在R语言爬取表格时，如何将超链接URL存入数据框？

嘿，我完全懂你现在的烦恼——爬网页表格时，明明想要超链接的实际URL，结果总是抓到显示文本，一个个写XPath又太费时间对吧？其实rvest里早就有更高效的方式，不用重复写XPath就能批量提取href属性，我来给你捋清楚：

核心思路：用html_attr()配合节点选择器批量提取 #

你不用找html_nodes的特殊参数，而是先定位到所有表格里的<a>标签节点，再用html_attr("href")一次性提取所有链接的URL，步骤超简单：

举个实际的代码例子，一看就懂：

library(rvest)

# 先读取目标网页
target_page <- read_html("你的目标网页地址")

# 用CSS选择器定位表格内的所有超链接节点
# 这里的"table td a"表示选中表格<td>单元格里的所有<a>标签，可根据你的表格结构调整
table_link_nodes <- target_page %>% html_nodes("table td a")

# 批量提取所有超链接的href属性（也就是URL）
link_urls <- table_link_nodes %>% html_attr("href")

# 如果需要同时保存显示文本和URL，直接生成数据框就行
link_table <- data.frame(
  显示文本 = table_link_nodes %>% html_text(),
  链接URL = link_urls
)

优化技巧：精准定位节点 #

如果你的表格有特定的class或id，还可以优化CSS选择器让定位更精准，比如：

• 要是表格有class="data-table"，就用html_nodes("table.data-table td a")
• 要是超链接有特定class，比如class="entry-link"，就用html_nodes("table td a.entry-link")

额外补充：处理相对路径 #

如果提取到的URL是相对路径（比如/article/123），可以用url_absolute()转成绝对路径：

library(rvest)

# 假设原网页地址是base_url
base_url <- "https://example.com"
absolute_urls <- link_urls %>% url_absolute(base_url)

这样就不用再逐个写XPath啦，一次性就能搞定表格里所有超链接的URL提取，是不是比之前高效多了？

内容的提问来源于stack exchange，提问作者Tom