如何编写R函数从维基百科获取英超及冰球世锦赛数据表格

1. read_prem_league(season) 函数实现 #

该函数接收赛季结束年份（如2020），自动构造对应英超赛季的维基百科页面URL，提取页面第5个表格并以tibble格式返回。

代码实现 #

# 加载所需包
library(rvest)
library(tibble)

read_prem_league <- function(season) {
  # 构造赛季区间：结束年份-1 到 结束年份（注意使用英文长破折号–）
  season_range <- paste0(season - 1, "–", substr(season, 3, 4))
  # 构造维基百科URL
  url <- paste0("https://en.wikipedia.org/wiki/", season_range, "_Premier_League")
  
  # 读取页面、提取第5个表格并转为tibble
  url %>%
    read_html() %>%
    html_table(fill = TRUE) %>%
    .[[5]] %>%
    as_tibble()
}

关键说明 #

• 赛季区间构造：英超赛季格式为20XX–XX（如2019–20对应结束年份2020），通过season - 1获取起始年份，截取结束年份后两位拼接，注意使用英文长破折号（–，而非普通短横-），匹配维基百科URL格式。
• html_table(fill = TRUE)确保表格单元格缺失时自动填充，避免解析错误。
• 直接通过索引.[[5]]提取第5个表格，最后转为tibble提升数据可读性。

2. read_icehockey(year) 函数完善 #

该函数接收年份（如2016），构造对应男子冰球世锦赛的维基百科URL，提取页面第3个表格并以tibble格式返回。

代码实现 #

# 加载所需包
library(rvest)
library(tibble)

read_icehockey <- function(year) {
  # 构造维基百科URL（注意单引号的URL编码为%27）
  url <- paste0("https://en.wikipedia.org/wiki/", year, "_Men%27s_Ice_Hockey_World_Championships")
  
  # 读取页面、提取第3个表格并转为tibble
  url %>%
    read_html() %>%
    html_table(fill = TRUE) %>%
    .[[3]] %>%
    as_tibble()
}

关键说明 #

• URL构造：世锦赛页面URL格式为20XX_Men%27s_Ice_Hockey_World_Championships，其中%27是单引号的URL编码，直接拼接即可被read_html正确解析。
• 提取第3个表格时，若不同年份页面表格索引有差异，可根据表格特征（如表头）进行匹配，增强鲁棒性（示例中按固定索引提取，可根据实际需求调整）。

内容的提问来源于stack exchange，提问作者Anne Soled