使用rvest爬取Freeride World Tour嵌套表格分站赛得分遇阻

嘿，别担心！作为网页爬虫新手，遇到这种嵌套数据提取的问题太正常了～我来一步步帮你搞定各分站赛（heat）的得分提取。

问题根源分析 #

你之前用SelectorGadget可能只抓取了全局的元素（比如选手名、总分），但分站得分是绑定在每个选手的行内的多个元素，需要先定位到每个选手的行，再从行内提取对应得分，而不是直接全局选择。

具体代码实现 #

先确保你加载了必要的R包：

library(rvest)
library(dplyr)
library(purrr)

1. 读取目标网页

# 目标排名页面URL
url <- "https://www.freerideworldtour.com/rankings-detailed?season=165&competition=2&discipline=38"
page <- read_html(url)

2. 提取基础信息（选手名、总分）

先把你已经能拿到的信息提取出来：

# 提取选手姓名
rider_names <- page %>% 
  html_elements(".ranking-table__name") %>% 
  html_text2()  # html_text2()会自动处理多余的空格换行

# 提取总得分
total_scores <- page %>% 
  html_elements(".ranking-table__total-score") %>% 
  html_text2() %>% 
  as.numeric()  # 转成数值类型方便后续分析

3. 提取分站赛得分（核心步骤）

这里我们先定位到每个选手对应的行，再从每行里提取所有分站得分：

# 获取所有选手的行元素
rider_rows <- page %>% html_elements(".ranking-table__row")

# 遍历每行，提取该行内的所有分站得分
heat_scores_list <- rider_rows %>% 
  map(function(row) {
    row %>% 
      html_elements(".ranking-table__heat-score") %>%  # 定位行内的分站得分单元格
      html_text2() %>% 
      as.numeric()  # 转成数值，未参赛的选手会自动转为NA
  })

# 将列表转为数据框，并重命名列（比如Heat_1, Heat_2...）
heat_scores_df <- heat_scores_list %>% 
  do.call(rbind, .) %>% 
  as.data.frame() %>% 
  setNames(paste0("Heat_", 1:ncol(.)))

4. 合并所有数据

把选手名、总分和分站得分合并成一个完整的数据框：

final_rankings <- tibble(
  Rider_Name = rider_names,
  Total_Score = total_scores
) %>% 
  bind_cols(heat_scores_df)

# 查看结果
head(final_rankings)

新手小技巧 #

1. 别依赖单一工具：SelectorGadget虽然方便，但遇到嵌套结构时，Chrome开发者工具（按F12打开）更靠谱——右键点击分站得分单元格，选择「检查」，就能看到它的父元素（选手行）和自身的class，精准定位选择器。
2. 检查元素结构：确认每个分站得分的class是.ranking-table__heat-score，如果网站更新了class名，你可以用开发者工具重新查看更新。

内容的提问来源于stack exchange，提问作者Matthew J. Oldach