如何用R从指定URL读取HTML表格并转为dataframe？

方法1：直接读取CSV格式数据（推荐） #

该数据集提供了CSV版本，相比读取HTML表格更稳定且效率更高，直接用readr包读取即可：

# 安装并加载readr包（未安装则执行安装）
if (!require(readr)) {
  install.packages("readr")
  library(readr)
}

# 读取CSV数据到dataframe
df <- read_csv("https://datahub.io/core/country-list/r/country-list.csv")

# 预览数据
head(df)

方法2：使用rvest包读取HTML表格 #

若需读取目标HTML页面中的表格，推荐使用维护更活跃、易用性更强的rvest包，同时注意将链接改为https（原http链接会触发网站强制重定向，导致XML包的函数加载失败）：

# 安装并加载rvest包（未安装则执行安装）
if (!require(rvest)) {
  install.packages("rvest")
  library(rvest)
}

# 获取页面并提取表格
url <- "https://datahub.io/core/country-list/r/0.html"
page <- read_html(url)
df <- page %>% html_table(header = TRUE) %>% .[[1]]

# 按需重命名列
colnames(df) <- c("Country_Name", "Code")

# 预览数据
head(df)

错误原因说明 #

你使用XML包时出现的failed to load external entity错误，是因为目标网站强制将http请求重定向到https，而XML包的readHTMLTable函数对这种重定向的处理存在缺陷，换成https链接并使用rvest包即可解决问题。

内容的提问来源于stack exchange，提问作者Igor Davydov