使用rvest批量爬取网页报错：arguments imply differing number of rows

你遇到的这个报错Error in data.frame(...) : arguments imply differing number of rows: 1, 6, 65，核心原因很明确：你提取的三个字段行数完全不匹配！

咱们拆解下选择器对应的内容：

• .journalNavTitle是当期期刊的整体标题（比如卷号+期号），每个页面只有1个；
• .hlFld-Title是单篇文章的标题，每个页面有N个（比如你这里的6或65）；
• .entryAuthor是对应文章的作者，数量和标题保持一致。

直接把这三个字段塞进data.frame时，R会因为列的行数不统一而抛出错误。

修改后的代码方案 #

我们只需要把单个的IssueID重复对应到每一篇文章的行上，让所有列的行数保持一致就行，这里用rep()函数实现重复逻辑：

library(xml2)
library(rvest)
library(purrr)

# 注意你原来的变量名打错了，是url不是ulr哦
url_base <- "https://journals.sagepub.com/toc/jina/33/%d"

map_df(1:4, function(i){
  page <- read_html(sprintf(url_base, i))
  
  # 分别提取三个字段，先拿到各自的内容
  issue_id <- html_text(html_nodes(page, ".journalNavTitle"))
  headings <- html_text(html_nodes(page, ".hlFld-Title"))
  authors <- html_text(html_nodes(page, ".entryAuthor"))
  
  # 把单个IssueID重复，次数等于文章数量，确保列行数一致
  data.frame(
    IssueID = rep(issue_id, length(headings)),
    Heading = headings,
    Author = authors,
    stringsAsFactors = FALSE  # 建议加上，避免字符型数据自动转成因子
  )
}) -> SageJournals

额外优化建议 #

1. 修正了你原来的变量名错误（ulr_base→url_base），避免后续出现找不到变量的问题；
2. 加入stringsAsFactors = FALSE可以防止字符型数据被自动转成因子，后续数据处理更灵活；
3. 如果担心某个页面没有文章（即headings长度为0），可以加个判断跳过空页面：

   if(length(headings) == 0) return(NULL)
   

这样修改后，每篇文章都会对应到当期的IssueID，所有列的行数完全匹配，就不会再报错啦！

内容的提问来源于stack exchange，提问作者eagle_ey3s