使用R抓取Booking.com数据时，如何为无值字段填充NA？

我用R抓取Booking.com的酒店数据，构建DataFrame时发现不是所有酒店都有评分。尝试了以下代码，但还没实现无对应值时自动填充NA的功能：

# 从页面检查代码获取元素
titles_page <- page %>% html_elements("div[data-testid='title'][class='fcab3ed991 a23c043802']") %>% html_text()
prices_page <- page %>% html_elements("span[data-testid='price-and-discounted-price']") %>% html_text()
ratings_page <- page %>% html_elements("div[aria-label^='Punteggio di']") %>% html_text()

# 处理评分变量
tryCatch(expr ={
      ratings_page <- remDr$findElements(using = "xpath", value = "div[aria-label^='Punteggio di']")$getElementAttribute('value')
    },   
    # 若信息不存在则给评分元素写入NA
    error = function(e){          
      ratings_page <-NA
    })

请问如何让没有对应值的对象自动返回NA？

核心思路：按酒店容器遍历提取，确保每个酒店的字段一一对应 #

直接单独提取所有标题、价格、评分容易出现长度不匹配的问题（比如部分酒店无评分，导致ratings_page长度比titles_page短），更稳妥的方式是先定位每个酒店的父容器，再逐个提取每个酒店的信息，缺失时自动填充NA。

方法1：使用rvest的html_element（单数）替代html_elements（复数） #

html_element会为每个节点返回一个结果，不存在则返回NA，完美适配需求：

# 先定位所有酒店的父容器（需根据实际页面结构调整选择器，以下为Booking常见容器示例）
hotels <- page %>% html_elements("div[data-testid='property-card']")

# 逐个提取每个酒店的字段
titles_page <- hotels %>% html_element("div[data-testid='title'][class='fcab3ed991 a23c043802']") %>% html_text2()
prices_page <- hotels %>% html_element("span[data-testid='price-and-discounted-price']") %>% html_text2()
# 提取评分，无评分时自动返回NA
ratings_page <- hotels %>% html_element("div[aria-label^='Punteggio di']") %>% html_text2()

# 构建DataFrame
hotel_df <- tibble(
  title = titles_page,
  price = prices_page,
  rating = ratings_page
)

注：html_text2()比html_text()处理空格更友好，可按需替换；酒店容器选择器需根据实际页面结构调整，确保能选中每个独立的酒店卡片

方法2：修复原有tryCatch逻辑（针对Selenium场景） #

如果必须用Selenium的remDr操作，需注意findElements返回的是列表，要逐个处理而非直接调用getElementAttribute：

# 先获取所有酒店元素（对应rvest的hotels节点）
hotel_elements <- remDr$findElements(using = "css", value = "div[data-testid='property-card']")

# 定义函数提取单酒店的评分
extract_rating <- function(hotel_elem) {
  tryCatch({
    rating_elem <- hotel_elem$findElement(using = "xpath", value = "./div[aria-label^='Punteggio di']")
    rating_elem$getElementAttribute("value")[[1]]
  }, error = function(e) {
    NA_character_
  })
}

# 遍历所有酒店提取评分
ratings_page <- sapply(hotel_elements, extract_rating)

# 同理提取标题和价格，确保长度一致
# titles_page <- sapply(hotel_elements, function(x) x$findElement(...)...)
# prices_page <- sapply(hotel_elements, function(x) x$findElement(...)...)

关键说明 #

• 避免单独提取所有字段：单独提取会因缺失值导致数组长度不一致，无法直接合并成DataFrame
• 优先按酒店容器遍历：每个酒店作为独立单元处理，保证每个字段的数量和顺序完全匹配
• 缺失值自动填充：html_element（rvest）或tryCatch（Selenium）都能在元素不存在时返回NA

内容的提问来源于stack exchange，提问作者Anisa B.