在R语言中从字符串提取图片源的技术求助

嘿，我之前处理加密货币网站的数据时也碰到过一模一样的场景！用rvest从这种xml_nodeset里提取图片src其实没那么复杂，给你两个直接能用的方案：

方案1：直接定位img节点提取属性 #

如果还没筛选到img节点，先一步到位选中所有目标img标签，再用html_attr()提取src属性就行——rvest会自动遍历整个nodeset，返回一个干净的字符向量：

library(rvest)

# 先获取页面内容（替换成你的目标页面）
page <- read_html("目标页面URL")

# 直接选中td里的img标签
img_nodes <- page %>% html_nodes("td.no-wrap.currency-name img")

# 提取所有img的src属性
img_sources <- img_nodes %>% html_attr("src")

# 看看前几个结果
head(img_sources)

方案2：从已有的td节点集里提取 #

如果你已经拿到了示例里的td nodeset，那就从每个td里嵌套找到img节点，再提取属性就行——注意这里要用html_node()（单数），因为每个td里只有一个img，这样不会返回嵌套列表，直接得到向量：

# 假设你已经有了td_nodes这个xml_nodeset
td_nodes <- page %>% html_nodes("td.no-wrap.currency-name")

# 从每个td里找到img，再提取src
img_sources <- td_nodes %>% html_node("img") %>% html_attr("src")

小提示 #

如果有些td里没有img，html_node()会返回NA，你可以用na.omit(img_sources)过滤掉空值，或者用html_attr("src", default = "")给缺失值设置默认空字符串，方便后续处理。

内容的提问来源于stack exchange，提问作者niko