如何抓取今日美国MLB薪资数据表格？R语言rvest报错求助

原代码报错是因为目标页面未使用标准<table>标签，而是用div元素模拟表格结构。以下是第一页数据的抓取方案：

代码实现 #

library(rvest)
library(dplyr)

# 读取目标页面
page <- read_html("https://databases.usatoday.com/mlb-salaries-2022/")

# 提取表格表头
headers <- page %>% 
  html_nodes(".datatable-header-cell") %>% 
  html_text() %>% 
  trimws()

# 提取每一行的单元格数据
rows <- page %>% 
  html_nodes(".datatable-row") %>% 
  lapply(function(row_node) {
    row_node %>% 
      html_nodes(".datatable-cell") %>% 
      html_text() %>% 
      trimws()
  })

# 转换为数据框并设置列名
salary_data <- do.call(rbind.data.frame, rows)
colnames(salary_data) <- headers

# 查看数据前几行
head(salary_data)

关键说明 #

• 页面的表头对应类选择器.datatable-header-cell，数据行对应.datatable-row，每个单元格对应.datatable-cell
• 使用trimws()清理文本前后的空白字符，避免数据混乱
• 若后续遇到动态加载的分页数据，可结合RSelenium模拟浏览器渲染获取内容

内容的提问来源于stack exchange，提问作者user2006134