如何在R语言中正确提取网页中五星百分比宽度形式的产品平均评分？

我需要从页面抓取产品平均评分，该评分以五星金色填充的百分比宽度形式展示。使用以下R代码尝试提取宽度值时，得到了9个不同的style_attribute值，其中2个为NA，其余均不是目标值（当前示例为width: 91.6%），请问如何正确提取仅平均星级评分的宽度值？

page <- read_html("http://www.gonser.ch/13879")

# extract the div element
div_element <- html_nodes(page, ".feedback-stars-overlay-wrap") 

# Extract the "style" attribute from the element
style_attribute <- html_attr(div_element, "style") 

# extract the width value
width_value <- str_extract(style_attribute, "width: ([0-9.]+)%") 

# Convert to a numeric value
width <- as.numeric(width_value)

解决方案 #

问题出在你用的CSS选择器.feedback-stars-overlay-wrap匹配了页面中所有星级元素（包括每个用户评价的单独星级），所以返回了一堆无关结果。要精准获取平均评分的宽度，必须缩小选择范围，定位到页面顶部的评分汇总区域对应的星级元素。

修正后的代码如下：

library(rvest)
library(stringr)

# 读取目标页面
page <- read_html("https://www.gonser.ch/13879")

# 精准定位平均评分的星级填充元素（仅匹配评分汇总区域内的目标元素）
avg_star_element <- html_nodes(page, ".feedback-summary .feedback-stars-overlay-wrap")

# 提取style属性内容
style_attr <- html_attr(avg_star_element, "style")

# 提取并转换宽度数值
width_percent <- style_attr %>%
  str_extract("width:\\s*([0-9.]+)%") %>%  # 匹配包含宽度的字符串
  str_remove("width:\\s*") %>%             # 移除"width: "前缀
  str_remove("%") %>%                      # 移除百分号
  as.numeric()                             # 转换为数值类型

# 输出结果
print(width_percent)

关键说明 #

1. 选择器优化：.feedback-summary .feedback-stars-overlay-wrap仅匹配页面顶部评分汇总区域内的星级填充元素，避免抓取到用户评价的单个星级。
2. 字符串清理：通过str_remove剔除多余的字符串内容，最终得到纯数值的百分比值。
3. 若后续页面结构变动，可通过浏览器开发者工具查看平均星级元素的父级容器class，调整选择器即可适配。

内容的提问来源于stack exchange，提问作者Pippo