使用R的rvest包爬取WTA网球评级页面JSON数据遇阻求助

你遇到的报错是因为直接将xml_nodeset类型的对象传给了fromJSON()，而该函数只接受JSON字符串、URL或文件路径作为输入。你已经定位到了目标script标签，但还需要先提取标签内的纯文本内容，再进行JSON解析。

修正后的代码 #

# 目标网页链接
link <- "https://www.wheeloratings.com/tennis_wta_ratings.html"

# 读取网页内容
webpage2 <- read_html(link)

# 提取第17个script标签的文本内容，再解析JSON
imp3 <- webpage2 %>% 
  html_elements("script") %>% 
  .[17] %>% 
  html_text() %>%  # 关键步骤：提取标签内的纯文本
  fromJSON()

关键说明 #

• html_text()会把script标签包裹的JSON字符串提取出来，将xml_nodeset对象转换为符合fromJSON()要求的字符串格式
• 执行完上述代码后，imp3就会是解析后的JSON数据结构，你可以通过str(imp3)查看数据结构，进一步提取需要的WTA评级信息

内容的提问来源于stack exchange，提问作者Humberto R