使用rvest爬取kormany.hu站点时未提取到任何内容问题求助

问题原因及修复方案 #

1. 核心错误：URL格式不完整 #

你定义的url变量缺少https://协议头，read_html()无法识别无协议的地址为合法网络资源，导致页面内容根本没有被成功拉取，后续所有节点提取操作自然返回空值。
另外注意你描述中要爬取的站点域名是2010-2014.kormany.hu，但代码里写的是2015-2019.kormany.hu，如果是爬取目标填写错误，替换对应域名段即可。

2. 优化建议：简化节点选择逻辑 #

多层嵌套html_nodes()容易出现匹配范围偏差，你可以直接用精准的CSS选择器定位目标链接，代码可读性和匹配准确率都会更高。

可正常运行的代码示例 #

library(rvest)
library(dplyr)

# 补全URL的协议头，若需要爬取2010-2014的站点替换域名中的年份段即可
url <- 'https://2015-2019.kormany.hu/hu/hirek'
# 直接用CSS选择器定位文章列表下的a标签
links <- read_html(url) %>% 
  html_elements(css = ".article h2 a") %>% 
  html_attr("href")

links

内容的提问来源于stack exchange，提问作者zutt