使用rvest抓取选区列表：正确CSS选择器与数据整理求助

目标页面的选区数据嵌套在div.col下的表格结构里，你可以通过以下CSS选择器精准定位所需元素：

• 选区名称：div.col table tr td:first-child（匹配表格每行的第一列文本）
• 截止日期：div.col table tr td:last-child（匹配表格每行的最后一列文本）

完整代码示例 #

library(rvest)
library(tibble)

# 读取目标页面
url <- "https://labour.org.uk/activist-hub/governance-and-legal-hub/selections/parliamentary-candidate-application-form/"
page <- read_html(url)

# 提取并清洗数据（跳过表头行）
rows <- page %>% html_elements("div.col table tr:not(:first-child)")

constituencies <- rows %>% 
  html_element("td:first-child") %>% 
  html_text2() # 自动去除多余空格、换行

deadlines <- rows %>% 
  html_element("td:last-child") %>% 
  html_text2()

# 整理为干净的tibble
result_tibble <- tibble(
  选区名称 = constituencies,
  截止日期 = deadlines
)

print(result_tibble)

补充说明 #

• html_text2()比html_text()更适合处理网页文本，能自动清理冗余格式
• 如果页面表格结构有变动，可通过浏览器开发者工具（F12）重新确认元素路径，调整CSS选择器

内容的提问来源于stack exchange，提问作者C.Robin