R语言rvest爬取网页链接href返回空字符问题排查求助

• 页面结构更新：目标站点调整了该页面的DOM结构，你之前通过Selector Gadget获取的.first-child a选择器已经无法匹配到“Printer-Friendly Minutes”对应的链接节点，实际匹配到的是其他无有效href属性的空a标签，因此返回空字符。
• 协议适配问题：你代码中使用的是HTTP协议的URL，当前目标站点已经全站强制跳转HTTPS，read_html抓取HTTP地址时会返回跳转中间页内容，无法拿到实际的页面节点。

首先更换为HTTPS协议的目标URL，其次使用更稳定的匹配规则，直接通过链接文本定位目标节点，避免依赖易变的类名选择器。
修正后的代码如下：

library(rvest)
library(magrittr)
library(httr) # 可选，用于处理复杂请求

url <- "https://www.richmond.ca/cityhall/council/agendas/council/2021/012521_minutes.htm"
# 使用xpath匹配包含指定文本的a标签，适配性更强
printer_href <- url %>% 
  read_html() %>% 
  html_nodes(xpath = "//a[contains(text(), 'Printer-Friendly Minutes')]") %>% 
  html_attr("href")

如果获取到的是站点相对路径，可使用url_absolute()函数拼接为完整可访问链接：

printer_full_url <- url_absolute(printer_href, url)

内容的提问来源于stack exchange，提问作者beeburt