R中无需Selenium/PhantomJS抓取Plotly轨迹悬浮文本的方法咨询

这类网页内嵌的Plotly图表不存在“必须触发悬浮才能拿到数据”的动态加载逻辑，所有hover面板展示的文本、数值，从页面加载完成时就已经作为结构化数据存在于页面的脚本块/DOM属性中，完全可以在R环境下不使用Selenium、PhantomJS这类无头浏览器完成抓取，V8仅作为复杂JS嵌套场景的解析兜底。

• 首先用httr::GET搭配常规桌面浏览器请求头，拉取目标页面的完整原始HTML文本，避免被网站的基础反爬拦截。
• 按页面中“图21：阿尔伯塔省分区域新冠阳性率”的图注文本定位对应图表的DOM容器，提取该容器关联的Plotly完整figure数据块——这类数据一般会以转义JSON的形式存在于元素的自定义属性、或者同层级的内嵌<script>标签中。
• 把提取到的JSON字符串做转义清洗后，直接用jsonlite::fromJSON解析为R的结构化列表，列表中每个绘图轨迹的字段就包含了所有对应位置的hover文本内容、维度标签、数值指标，完全不需要模拟悬浮交互动作。
• 如果遇到数据被嵌在JS逻辑段、没法直接抠出JSON字符串的情况，再调用V8包创建独立的JS运行上下文，把页面中关联的Plotly初始化代码片段传入上下文，直接调用Plotly内置的API导出对应图表的全量figure数据，全程不需要启动带渲染能力的浏览器内核。

• 不要硬编码图表的固定DOMid，这类政务统计页面的图表id经常会随版本迭代变动，匹配图注文本定位的稳定性远高于硬编码id。
• 不需要额外写代码模拟鼠标移动触发hover事件，Plotly的hover内容是提前渲染绑定到每个数据点的预存内容，不是交互时才异步加载的资源。
• 常规场景下仅依靠httr、rvest、jsonlite三个基础包就能完成全部流程，V8仅作为解析复杂嵌套JS的兜底选项，不需要提前预装重型的浏览器依赖。

内容的提问来源于stack exchange，提问作者jocol