使用rvest爬取巴西央行网页表格返回空列表求助

问题原因 #

你访问的主页面中，目标表格并非直接嵌入在主HTML结构里，而是通过iframe框架加载外部资源实现的。直接用read_html()请求主页面，只能获取到iframe的占位标签，无法拿到表格的实际数据，因此html_table()返回空列表。

解决方案 #

方案1：直接请求表格的数据源链接 #

通过查看页面的iframe元素，可以定位到表格实际所在的数据源URL，直接请求该URL即可提取表格：

library(rvest)

# 表格实际数据源链接
target_url <- "https://www.bcb.gov.br/api/relatorio/pt-br/controleinflacao/historicometas?url=/controleinflacao/historicometas"

# 提取表格
table_data <- target_url %>%
  read_html() %>%
  html_table(fill = TRUE)

# 查看提取结果
print(table_data)

• fill = TRUE参数用于处理表格单元格结构不规整的情况，确保能完整提取表格内容。

方案2：使用RSelenium处理动态渲染（备用） #

如果方案1失效（比如页面后续改为JS动态渲染表格），可以用RSelenium模拟浏览器加载页面，获取完整的渲染后源码：

library(RSelenium)
library(rvest)

# 启动Chrome浏览器驱动（需提前安装对应版本的ChromeDriver）
driver <- rsDriver(browser = "chrome", port = 4567L)
remDr <- driver[["client"]]

# 访问目标页面
remDr$navigate("https://www.bcb.gov.br/controleinflacao/historicometas")

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

# 提取表格
table_data <- page_html %>% html_table(fill = TRUE)

# 关闭浏览器驱动
remDr$close()
driver$server$stop()

# 查看结果
print(table_data)

• 注意：使用RSelenium前，需确保本地浏览器版本与驱动版本匹配，否则会出现启动失败的问题。

内容的提问来源于stack exchange，提问作者Pedro Cardoso