在R中将字符串列表转为DataFrame及纽瓦克机场航班爬取代码咨询

你的基础代码已经完成了文本清理，但现在得到的是一串合并后的文本，没法直接分析。我帮你把代码改成结构化提取，直接得到可用的航班DataFrame：

优化后的完整代码 #

library(rvest)
library(dplyr)
library(stringr)

# 读取目标网页
url <- read_html('https://www.airport-ewr.com/newark-departures-terminal-C? tp=6&day=tomorrow')

# 定位每个航班的行节点（比直接抓整个文本更精准）
flight_rows <- url %>% html_nodes(xpath = '//*[@id="flight_detail"]//div[contains(@class, "flight-row")]')

# 逐个提取每个航班的字段
flight_df <- map_dfr(flight_rows, function(row) {
  # 提取各个字段，用trimws清理多余空格
  flight_num <- row %>% html_node('.flight-number') %>% html_text() %>% trimws()
  airline <- row %>% html_node('.airline-name') %>% html_text() %>% trimws()
  destination <- row %>% html_node('.flight-destination') %>% html_text() %>% trimws()
  scheduled_dep <- row %>% html_node('.time-scheduled') %>% html_text() %>% trimws()
  actual_dep <- row %>% html_node('.time-actual') %>% html_text() %>% trimws()
  status <- row %>% html_node('.flight-status') %>% html_text() %>% trimws()
  
  # 整理成一行数据，空值替换为NA
  tibble(
    Flight_Number = flight_num,
    Airline = airline,
    Destination = destination,
    Scheduled_Departure = scheduled_dep,
    Actual_Departure = ifelse(actual_dep == "", NA, actual_dep),
    Status = status
  )
})

# 查看前几行结果
head(flight_df)

关键优化点说明： #

1. 精准定位航班节点：不再抓取整个flight_detail的文本，而是定位每个航班对应的flight-row节点，这样每个节点就是一条完整的航班记录，避免文本混乱。
2. 结构化提取字段：针对每个航班节点，分别提取航班号、航空公司、目的地等关键信息，直接生成结构化的DataFrame，后续分析、导出都很方便。
3. 处理缺失值：如果实际起飞时间为空（航班还没起飞），自动替换为NA，让数据更规范。

如果之后网页结构有变化，你可以用浏览器开发者工具（F12）查看元素的类名，调整html_node()里的选择器（比如.flight-number）就行。

内容的提问来源于stack exchange，提问作者Shardul Pendharkar