如何用rvest将巴尔的摩凶杀案受害者HTML数据转为R数据框？

核心思路 #

直接定位每个受害者数据行（.lfrow.odd和.lfrow.even），提取每行内对应字段的HTML元素文本，避免拆分整行文本的繁琐操作，结果更准确。

完整代码 #

library(rvest)
library(tibble)

# 读取目标页面
html <- read_html("https://homicides.news.baltimoresun.com/recent/")

# 选择所有包含受害者信息的行（排除表头行）
victim_rows <- html_elements(html, ".lfrow.odd, .lfrow.even")

# 提取各字段信息并构建数据框
victim_df <- tibble(
  date_time = html_element(victim_rows, ".lfdate") %>% html_text2(),
  victim_name = html_element(victim_rows, ".lfname") %>% html_text2(),
  address = html_element(victim_rows, ".lfaddress") %>% html_text2(),
  age = html_element(victim_rows, ".lfage") %>% html_text2(),
  gender = html_element(victim_rows, ".lfgender") %>% html_text2(),
  race = html_element(victim_rows, ".lfrace") %>% html_text2()
)

# 查看前几条数据验证
head(victim_df)

代码说明 #

1. 选择目标行：用html_elements()同时选中.lfrow.odd和.lfrow.even类的元素，这些就是所有受害者数据行，自动跳过表头的.lfrow。
2. 精准提取字段：每行内的信息都绑定了特定类名（日期对应.lfdate、姓名对应.lfname等），直接定位提取文本，无需处理换行、空值拆分等问题。
3. 构建结构化数据：用tibble()创建数据框，格式更规整，也可以替换为base R的data.frame()。

补充处理（可选） #

如果需要将页面中显示的—转为R标准空值NA，可以添加以下代码：

library(dplyr)
victim_df <- victim_df %>% 
  mutate(across(everything(), ~na_if(., "—")))

内容的提问来源于stack exchange，提问作者flemm0