如何使用R语言rvest库抓取指定标签间的文本内容？

当然可以直接定位到目标标签提取内容，你之前的代码选的标签不对（比如html_nodes("title")是选页面的<title>标签，不是class为title的div），用CSS选择器就能精准定位到<div class="title">下的<a>标签，直接提取里面的文本。

正确代码示例 #

# 加载所需库（去掉重复的rvest）
library(rvest)
library(httr)
library(XML)

# 获取页面内容
url <- "https://www.mywebsite.com"
page <- read_html(url)

# 精准定位目标标签：class为title的div下的a标签
target_elements <- page %>% html_nodes(".title a")

# 提取文本，trimws()可以去掉多余的空格和换行
target_text <- target_elements %>% html_text() %>% trimws()

# 查看结果
print(target_text)

选择器说明 #

• .title：匹配所有class属性为title的元素（也就是你的<div class="title">）
• .title a：匹配class为title的元素下的所有<a>子元素，正好对应你要抓取的文本所在的标签。

如果你的目标文本所在的<a>是<div class="title">的直接子元素，也可以用更严格的选择器.title > a，不过一般.title a就足够用了。

内容的提问来源于stack exchange，提问作者stats_noob