求助：如何用R语言rvest包从Statista图表提取数据为DataFrame？

问题根源 #

Statista的图表数据大多是动态加载的，直接用rvest抓取静态HTML拿不到实际数据，你之前定位image类元素的方向完全错了——数据根本不在图片标签里。

可行方案 #

方案一：用RSelenium模拟浏览器抓取（最稳妥，适配动态内容）

这个方法通过模拟真实浏览器加载页面，能完整获取JS渲染后的内容：

1. 先装需要的包：

install.packages(c("RSelenium", "rvest", "dplyr"))
library(RSelenium)
library(rvest)
library(dplyr)

2. 启动Chrome驱动（如果没装ChromeDriver，rsDriver会自动下载适配版本，失败的话得手动下载对应Chrome版本的驱动并放系统路径）：

driver <- rsDriver(browser = "chrome", chromever = "latest")
remDr <- driver[["client"]]

3. 打开目标页面，等几秒让数据加载完：

remDr$navigate("https://www.statista.com/chart/25619/asylum-grants-in-the-us-by-nationality/")
Sys.sleep(5) # 时间可以根据网速调整

4. 提取表格数据并转成DataFrame：

# 获取渲染后的页面源码
page_source <- remDr$getPageSource()[[1]]
html <- read_html(page_source)

# 定位Statista的图表表格（类名可能随页面更新，失效的话用F12看最新的）
asylum_table <- html %>% 
  html_element(css = ".chart-table") %>% 
  html_table(header = TRUE)

# 转成DataFrame，可选清理列名
asylum_df <- asylum_table %>% 
  clean_names()

5. 用完记得关闭浏览器：

remDr$close()
driver$server$stop()

方案二：直接解析页面内嵌的JSON数据（无需模拟浏览器）

部分Statista页面会把数据藏在HTML的<script>标签里，不用开浏览器就能抓：

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

# 抓静态页面源码
html_url <- read_html("https://www.statista.com/chart/25619/asylum-grants-in-the-us-by-nationality/")

# 找到带图表数据的script标签
script_data <- html_url %>% 
  html_elements(css = "script[type='application/json']") %>% 
  html_text()

# 筛选包含图表数据的JSON片段并解析
target_json <- fromJSON(script_data[grep("chartData", script_data)])

# 提取国家和获批数量（JSON结构可能更新，失效的话用F12查看数据节点）
asylum_df <- target_json$data$series[[1]]$data %>% 
  as.data.frame() %>% 
  rename(nationality = x, asylum_grants = y)

注意事项 #

• Statista有反爬机制，别频繁刷页面，建议每次请求加几秒延迟。
• 页面结构可能会变，如果代码失效，用浏览器F12开发者工具重新定位元素或JSON节点。

内容的提问来源于stack exchange，提问作者newfinder