使用R的rvest包抓取手风琴格式网页表格失败求助

你的问题根源在于以下几点：

• 绝对XPath极度脆弱：你使用的从根节点出发的绝对路径，只要页面结构有微小调整（比如新增/删除一个容器元素），路径就会直接失效。
• tbody标签的误区：浏览器会自动为表格补全tbody标签，但网页原始HTML源码里可能并不存在这个标签，导致你的XPath因包含tbody而匹配不到任何元素。
• 定位范围过窄：你直接定位到单个单元格，就算匹配成功也只能拿到孤立值，无法获取完整的“Monthly Cargo Volumes”表格数据。

修正后的代码 #

改用基于内容特征的稳定选择器，直接定位目标表格：

library(rvest)
library(dplyr)

url <- 'https://www.panynj.gov/port/en/our-port/facts-and-figures.html'

monthly_cargo <- url %>% 
  read_html() %>%  
  # 通过标题定位目标表格，避免依赖深层结构
  html_nodes(xpath = "//h3[contains(text(), 'Monthly Cargo Volumes')]/following-sibling::div//table") %>% 
  html_table(header = TRUE) %>% 
  .[[1]] %>% 
  as.data.frame()

# 查看数据前几行验证结果
head(monthly_cargo)

代码说明 #

• 用//h3[contains(text(), 'Monthly Cargo Volumes')]精准定位表格标题，摆脱对页面层级结构的依赖
• 用following-sibling::div//table找到标题紧邻的后续表格，确保抓取的是目标数据
• 移除冗余的tbody引用，直接读取网页原始表格结构
• header = TRUE自动将表格第一行设为列名，生成符合使用习惯的数据框

内容的提问来源于stack exchange，提问作者kaiburro