R语言解析网页JSON内容提取title7字段值的实现方法

你调用html_nodes("title4")返回空结果，是因为title4是JSON结构内的字段名，不是HTML标签，rvest的节点选择器只能匹配HTML DOM元素，自然无法定位到JSON内部的键。你不需要用正则硬匹配数值，直接提取p标签内的纯文本后用JSON解析工具处理，容错率远高于正则方案。

首先加载JSON解析包jsonlite（如果未安装先运行install.packages("jsonlite")），基于你已经读入的page对象按如下流程处理即可：

• 提取p标签内包裹的原始JSON字符串
• 将JSON字符串解析为R原生列表对象
• 批量提取每个条目下title4.title7存储的两个数值，整理为目标结构的数据框

# 加载JSON处理包
library(jsonlite)

# 1. 提取<p>标签内的原始JSON文本
raw_json_text <- page %>%
  html_element("p") %>%
  html_text()

# 2. 解析JSON为R列表结构
parsed_data <- fromJSON(raw_json_text, simplifyVector = FALSE)

# 3. 提取目标字段，生成结构化结果
final_result <- data.frame(
  id = seq_along(parsed_data),
  title7_1 = vapply(parsed_data, function(item) item$title4$title7[[1]], FUN.VALUE = numeric(1)),
  title7_2 = vapply(parsed_data, function(item) item$title4$title7[[2]], FUN.VALUE = numeric(1))
)

如果爬取过程中碰到个别条目缺失title4或title7字段，把提取逻辑替换为带异常捕获的版本即可，避免代码中断：

final_result <- data.frame(
  id = seq_along(parsed_data),
  title7_1 = vapply(parsed_data, function(item) {
    tryCatch(item$title4$title7[[1]], error = function(e) NA_real_)
  }, FUN.VALUE = numeric(1)),
  title7_2 = vapply(parsed_data, function(item) {
    tryCatch(item$title4$title7[[2]], error = function(e) NA_real_)
  }, FUN.VALUE = numeric(1))
)

运行后直接打印final_result就能得到你需要的三列结构，数值类型和示例输出完全一致：

> head(final_result)
  id      title7_1    title7_2
1  1   -17662.3456   987621.77
...
n  n -1621626123.23 652238322.12

注意：不要用正则直接匹配数值，一旦JSON内出现其他格式的数字内容很容易匹配错误，原生JSON解析是这类场景的最优方案。

内容的提问来源于stack exchange，提问作者stats_noob