使用Rvest进行网页爬取时如何正确指定html_node()参数？

你之前的问题出在选择器选错了——match-statistics-team1-row是表格内每行的类名，不是表格本身的选择器，所以无法定位到表格元素。

正确的做法是定位页面中两个统计表格的共同类名.match-statistics-table，具体代码如下：

library(rvest)
library(dplyr)

# 目标页面URL
url <- "https://www.footywire.com/afl/footy/ft_match_statistics?mid=10751"
# 读取页面内容
page_content <- read_html(url)
# 提取所有class为match-statistics-table的表格（共2个）
match_tables <- page_content %>% 
  html_nodes(".match-statistics-table") %>% 
  html_table()

# 分别获取两支球队的统计表格
team1_stats <- match_tables[[1]]
team2_stats <- match_tables[[2]]

关键说明： #

• 用html_nodes()（复数形式）替代html_node()，因为要提取两个表格，html_node()只会返回第一个匹配元素
• .match-statistics-table是CSS类选择器，点号表示匹配对应类名的元素，页面中两支球队的统计表格都使用了这个类名

内容的提问来源于stack exchange，提问作者gimmethedata123