使用rvest网页爬取时如何避免出现character(0)

核心问题 #

你用rvest直接爬Kaggle数据集页面失败，是因为：

1. Kaggle的数据集页面是动态渲染的，read_html只能抓取初始静态HTML，你用SelectorGadget定位的.hdFafr元素是JavaScript加载后才生成的，静态源码里根本没有，所以返回character(0)。
2. 更重要的是，这个页面是数据集的下载入口，实际品种数据是封装在CSV文件里的，没必要爬网页，直接读取数据文件效率更高。

推荐方案：直接读取数据集文件 #

1. 去该数据集页面下载CSV文件（比如leafly-cannabis-strains.csv）。
2. 用R读取文件并提取品种名称：

library(readr)
# 替换成你本地的文件路径
weed_data <- read_csv("leafly-cannabis-strains.csv")
# 提取品种列（列名以实际CSV为准，比如可能叫Strain）
strain_name <- weed_data$Strain
head(strain_name)

备选方案：爬动态页面（不推荐） #

如果一定要爬网页，需要用能处理JavaScript的工具（比如RSelenium）模拟浏览器加载页面：

library(RSelenium)
library(rvest)

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

# 访问目标页面
remDr$navigate("https://www.kaggle.com/datasets/corykjar/leafly-cannabis-strains-dataset?resource=download")
# 等待页面加载完成
Sys.sleep(5)

# 获取加载后的页面源码
page_source <- remDr$getPageSource()[[1]]
weed_data <- read_html(page_source)

# 提取品种名称（注意：Kaggle页面结构可能随时变化，需重新确认选择器）
strain_name <- weed_data %>%
  html_nodes(".hdFafr div:nth-child(2)") %>%
  html_text()

print(strain_name)

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

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