如何用R读取LACNIC指定URL的竖线分隔数据并生成DataFrame？

目标页面的内容并非标准HTML表格，而是以|为分隔符的纯文本嵌套在<p>标签中，因此html_table()无法识别。可按以下步骤提取并转换为DataFrame：

1. 提取文本内容 #

先从<p>标签中提取所有文本内容：

library(tidyverse)
library(rvest)

url <- "https://ftp.lacnic.net/pub/stats/lacnic/delegated-lacnic-extended-latest"
page <- read_html(url)

# 提取p标签内的文本
raw_text <- page %>% html_element("p") %>% html_text2()

2. 分割文本并转换为DataFrame #

将提取到的文本按行拆分，再按|分割每一行，最后整理成DataFrame：

# 按行拆分文本，过滤空行
text_lines <- str_split(raw_text, "\n") %>% unlist() %>% keep(~ .x != "")

# 按|分割每一行，转换为数据框
df <- text_lines %>% 
  str_split_fixed("\\|", n = Inf) %>% 
  as.data.frame(stringsAsFactors = FALSE)

# 可选：设置列名（跳过第一行元数据）
col_names <- c("registry", "cc", "type", "start", "value", "date", "status")
df <- df[-1, ] %>% set_names(col_names)

补充说明 #

• html_text2()会自动处理换行符，比html_text()更适合提取多行文本
• str_split_fixed("\\|", n = Inf)确保按所有|分割，不会遗漏字段
• 第一行是文件元数据（版本、注册机构、日期等），可选择跳过并给数据框设置合理列名

内容的提问来源于stack exchange，提问作者Rodrigo H. Ozon