使用rvest爬取议会演讲时，如何基于姓名筛选对应内容？

你当前代码的核心问题是：在筛选演讲的lapply匿名函数中，你引用了整个df$name_surname向量，导致每次处理某一行的HTML内容时，都会用所有三个议员的姓名去匹配，而不是仅用当前行对应的议员姓名，这就导致筛选结果不符合预期。

要实现“每行对应筛选该行议员的演讲”，需要同时遍历text_html和name_surname两列，确保每个HTML内容对应到正确的筛选关键词。可以用mapply（基础R）或者purrr::map2（tidyverse风格）来实现。

基础R版本（mapply） #

library(rvest)
library(stringr)

df <- structure(list(name_surname = c("FERDINANDO ADORNATO", "FERDINANDO ADORNATO", 
                                      "LUCIANO AGOSTINI"), text = c("http://documenti.camera.it/apps/commonServices/getDocumento.ashx?idlegislatura=16&sezione=assemblea&tipoDoc=stenografico&idSeduta=0019&nomefile=stenografico&ancora=sed0019.stenografico.tit00030.sub00060.int00020#sed0019.stenografico.tit00030.sub00060.int00020", 
                                                                    "http://documenti.camera.it/apps/commonServices/getDocumento.ashx?idlegislatura=16&sezione=assemblea&tipoDoc=stenografico&idSeduta=0019&nomefile=stenografico&ancora=sed0019.stenografico.tit00030.sub00060.int00120#sed0019.stenografico.tit00030.sub00060.int00120", 
                                                                    "http://documenti.camera.it/apps/commonServices/getDocumento.ashx?idlegislatura=16&sezione=assemblea&tipoDoc=stenografico&idSeduta=0041&nomefile=stenografico&ancora=sed0041.stenografico.tit00020.sub00010.int01320#sed0041.stenografico.tit00020.sub00010.int01320"
                                      )), row.names = c(NA, 3L), class = "data.frame")

# 读取HTML内容
df$text_html <- lapply(df$text, read_html)

# 获取所有演讲
df$text_final <- lapply(df$text_html, function(x) {
  html_nodes(x, '.intervento') %>% html_text(trim = TRUE)
})

# 正确筛选对应议员的演讲：用mapply同时匹配每行的html和姓名
df$text_final2 <- mapply(function(html, name) {
  interventi <- html_nodes(html, '.intervento') %>% html_text(trim = TRUE)
  str_subset(interventi, paste0("^", name))
}, html = df$text_html, name = df$name_surname, SIMPLIFY = FALSE)

tidyverse风格版本（purrr::map2） #

如果你习惯用tidyverse工具，可以用purrr::map2，代码更简洁直观：

library(rvest)
library(stringr)
library(purrr)

# （前面的df定义和读取HTML步骤同上）

df$text_final2 <- map2(df$text_html, df$name_surname, function(html, name) {
  html %>% 
    html_nodes('.intervento') %>% 
    html_text(trim = TRUE) %>% 
    str_subset(paste0("^", name))
})

• 替换lapply为mapply/map2，让每个HTML内容与对应行的议员姓名一一对应
• 在筛选时，仅使用当前行的name_surname值作为匹配前缀，确保只提取该议员的演讲内容

内容的提问来源于stack exchange，提问作者Jasper