R语言如何从rvest获取的li节点xml_nodeset中提取href链接

不需要重复发起HTTP请求、重复解析页面，直接用rvest配套的节点操作函数，基于你已经生成的links1对象就能完成提取：

• 核心逻辑是先从每个li节点中匹配所有嵌套的<a>标签，再直接提取这些a标签的href属性值即可，全程复用第一次read_html得到的解析结果，无额外网络开销。

这个方法提取到的链接范围和需求完全匹配：只会取li节点下的a标签链接，不会混入页面中li标签外的其他a链接，比全页面扫描所有a标签的结果更精准。

对应的实现代码如下，直接替换你之前用GET+XML重复解析的那段逻辑就行：

# 从已有的li节点集中提取所有嵌套a标签的href属性
links_direct <- links1 %>%
  html_nodes("a") %>%
  html_attr("href")

可选优化操作 #

• 如果只需要提取li节点下直接子级的a标签、不需要抓更深层级嵌套的a节点，可以把节点筛选部分换成XPath精准匹配：html_nodes(xpath = "./a")
• 提取完成后可以按需清洗结果：过滤掉href="#"这类占位无效链接，用xml2::url_absolute()把相对路径链接转为带域名的完整绝对链接，参考代码：

# 替换成你实际爬取的站点根地址
base_domain <- "https://mywebsite.com"

# 过滤无效链接+转绝对路径
links_clean <- links_direct[!links_direct %in% c("#", "")]
links_clean <- xml2::url_absolute(links_clean, base_domain)

内容的提问来源于stack exchange，提问作者stats_noob