如何用R语言rvest提取世界银行CPI通胀率网页的悬停时间序列数据？

方案1：使用rvest直接抓取页面数据 #

如果目标是页面中的国家数据表格或顶部折线图的时间序列数据，可按以下步骤操作：

1. 加载依赖包

library(rvest)
library(dplyr)
library(stringr)
library(jsonlite)

2. 读取目标页面

html_url <- read_html("https://data.worldbank.org/indicator/FP.CPI.TOTL.ZG")

3. 提取国家通胀率表格数据
   页面中包含各国历年通胀数据的表格，可通过CSS选择器定位并提取：

# 定位表格并转为数据框
inflation_table <- html_url %>%
  html_element("table#indicator-data") %>%
  html_table(header = TRUE, fill = TRUE)

# 清理数据：过滤无效行、转换数值格式
inflation_clean <- inflation_table %>%
  filter(!is.na(`Country Name`) & `Country Name` != "World") %>%
  mutate(across(starts_with("2"), ~ str_remove_all(., "\\[.*\\]") %>% as.numeric))

4. 提取顶部折线图的全球时间序列数据
   折线图的数据以JSON形式内嵌在页面脚本中，可通过字符串匹配提取并解析：

# 提取包含图表数据的脚本内容
chart_script <- html_url %>%
  html_element(xpath = "//script[contains(text(), 'chartData')]") %>%
  html_text()

# 提取chartData对应的JSON片段并解析
chart_data_json <- str_extract(chart_script, 'chartData\\s*=\\s*(\\{.*?\\});') %>%
  str_remove('chartData\\s*=\\s*') %>%
  str_remove(';')

chart_data <- fromJSON(chart_data_json)$series[[1]]$data %>%
  as.data.frame() %>%
  rename(Year = V1, Inflation_Rate = V2) %>%
  mutate(Year = as.integer(Year))

方案2：使用世界银行官方包wbstats（更稳定） #

如果不想处理页面结构变化的问题，推荐使用官方API包，无需网页抓取：

library(wbstats)
# 获取全球历年通胀率数据
global_inflation <- wb_data(
  indicator = "FP.CPI.TOTL.ZG", 
  country = "WLD", 
  start_date = 1960, 
  end_date = 2024
)

内容的提问来源于stack exchange，提问作者newfinder