如何使用R的rvest库抓取Basketball Reference的2021年NBA季后赛扩展排名表

可以实现，你之前抓取失败的核心原因是该站点的Expanded Standings表格默认被包裹在HTML注释标签中，rvest直接读取节点时会跳过注释内容，所以找不到对应表格。

以下是可用的抓取代码：

# 加载依赖包
library(rvest)
library(dplyr)

url <- "https://www.basketball-reference.com/playoffs/NBA_2021_standings.html"

# 读取页面原始内容
page <- read_html(url)

# 提取页面所有注释节点，筛选出包含目标表格的注释段重新解析
expanded_table <- page %>% 
  html_nodes(xpath = "//comment()") %>% 
  html_text() %>% 
  .[grepl("id=\"expanded_standings\"", .)] %>% 
  read_html() %>% 
  html_node("table#expanded_standings") %>% 
  html_table(header = TRUE, fill = TRUE)

# 清理冗余表头
expanded_table <- expanded_table[-1,]
colnames(expanded_table) <- gsub("\\s+", "_", colnames(expanded_table))

执行完成后expanded_table就是完整的Expanded Standings表数据，可直接在RStudio中做后续分析。

内容的提问来源于stack exchange，提问作者melish