如何在R爬虫中为缺失地址的位置填充NA值？

问题场景 #

从黄页爬取商家名称与地址时，使用基于rvest和dplyr的爬虫函数遇到报错：「Tibble列尺寸不兼容」。原因是部分商家无地址信息，直接批量提取名称和地址会导致两者长度不一致，例如Sudbury地区理发师搜索页面中存在无地址的商家。

修改思路 #

不再分别批量提取所有名称和地址，而是先定位每个商家的独立容器节点，再逐个从容器内提取名称和地址。若容器内无地址元素，则自动填充NA，逻辑类似SQL中的CASE WHEN。

修改后代码示例 #

library(rvest)
library(dplyr)
library(purrr)

scrape_yellowpages <- function(url) {
  # 读取目标页面
  page <- read_html(url)
  
  # 获取每个商家的容器节点
  business_containers <- page %>% html_elements(".listing__content")
  
  # 遍历容器，逐个提取信息
  map_dfr(business_containers, function(container) {
    # 提取商家名称
    name <- container %>% html_element(".listing__name--link") %>% html_text2()
    
    # 提取地址，无地址则返回NA
    address <- container %>% html_element(".listing__address") %>% html_text2()
    address <- ifelse(is.na(address), NA_character_, address)
    
    tibble(barber = name, address = address)
  })
}

# 测试调用
target_url <- "https://www.yellowpages.ca/search/si/1/barber/Sudbury+ON"
scrape_result <- scrape_yellowpages(target_url)
print(scrape_result)

期望输出示例 #

内容的提问来源于stack exchange，提问作者stats_noob