R语言网页爬取报错：arguments imply differing number of rows 求解

问题分析 #

• rvest爬取行数少：大概率是维基表格存在合并单元格，默认html_table()只读取非合并行，或是你选的表格索引有误。
• httr+XML转data.frame报错：合并单元格导致各列的节点数量不一致，直接转换时列长度不匹配。

正确解决方法（优先用rvest） #

用rvest的html_table()时加上fill=TRUE参数，强制填充合并单元格的空值，同时用wikitable类精准筛选目标表格：

library(rvest)

# 替换成你要爬的维基页面URL
url <- "https://zh.wikipedia.org/wiki/你的目标页面"
page <- read_html(url)

# 提取第二个标准维基表格，fill=TRUE处理合并单元格
wiki_table <- page %>%
  html_nodes("table.wikitable") %>%
  .[[2]] %>%
  html_table(fill = TRUE, header = TRUE)

# 查看结果
dim(wiki_table)
head(wiki_table)

核心原因 #

维基百科的内容表格基本都带有wikitable类，用这个筛选比直接选table更精准，避免误选页面导航表格或其他小表格。fill=TRUE会自动给合并单元格对应的行填充NA，保证每行列数一致，不会丢失行数据。

处理httr+XML的报错 #

如果一定要用XML包，需要先统一列长度，手动填充NA：

library(httr)
library(XML)

url <- "https://zh.wikipedia.org/wiki/你的目标页面"
response <- GET(url)
doc <- htmlParse(response)

# 提取第二个wikitable表格
tables <- getNodeSet(doc, "//table[contains(@class, 'wikitable')]")
table_node <- tables[[2]]

# 解析表格并处理列长度不一致问题
table_list <- readHTMLTable(table_node, stringsAsFactors = FALSE, fill = TRUE)
if(is.list(table_list) && !is.data.frame(table_list)){
  max_len <- max(sapply(table_list, length))
  table_list <- lapply(table_list, function(x){
    c(x, rep(NA, max_len - length(x)))
  })
  wiki_df <- as.data.frame(table_list, stringsAsFactors = FALSE)
}

内容的提问来源于stack exchange，提问作者stats_noob