R网络爬取新手求助：如何用rvest定位IMDB电影标题的HTML节点

首先修正你代码里的一个小问题：你目标是按评分降序抓取Top250，但代码里写的是sort=user_rating,asc（升序），得改成desc才符合需求。

怎么找正确的HTML节点？ #

打开目标网页，右键点击任意电影标题，选择「检查」（Chrome/Edge浏览器），就能看到对应的HTML结构。你会发现每个电影标题都嵌套在<h3 class="lister-item-header">标签下的<a>标签里，所以对应的节点选择器是.lister-item-header a。

完整可运行代码 #

library(rvest)
library(dplyr)

# 修正后的目标链接（按评分降序排序）
website <- "https://www.imdb.com/search/title/?sort=user_rating,desc&groups=top_250"
page <- read_html(website)

# 提取电影标题，使用正确的节点选择器
movie_titles <- page %>%
  html_nodes(".lister-item-header a") %>%
  html_text()

# 取前50条（该页面默认返回50条结果）
top50_titles <- head(movie_titles, 50)
print(top50_titles)

额外扩展：提取更多电影信息 #

如果想顺便抓取评分、上映年份，可以用这些选择器：

• 评分：.ratings-imdb-rating strong
• 年份：.lister-item-year

示例代码：

# 提取评分
movie_ratings <- page %>%
  html_nodes(".ratings-imdb-rating strong") %>%
  html_text() %>%
  as.numeric()

# 提取年份（提取纯数字部分）
movie_years <- page %>%
  html_nodes(".lister-item-year") %>%
  html_text() %>%
  stringr::str_extract("\\d{4}") %>%
  as.integer()

# 合并成结构化数据框
top50_movies <- data.frame(
  排名 = 1:50,
  标题 = top50_titles,
  评分 = movie_ratings[1:50],
  年份 = movie_years[1:50]
)

print(top50_movies)

内容的提问来源于stack exchange，提问作者androsrj