抓取HTML（或JavaScript）表

我试图在一个网站上取消一张桌子，但没有成功。。。我已经做了很多次了，它总是有效的，但自从那时起，表似乎是在某种Javascript中，解析根本不起作用？有人能帮我吗

这一页是

我已经试过了：

readHTMLTable(doc//table[@id='live-player-home-offensive-grid'], as.data.frame=TRUE, header=FALSE)
# or
xpathSApply(pagetree, "//*/table[@id='live-player-home-offensive-grid']", xmlValue)

---

问题在于数据不在表中，而是在Javascript代码中-- 只有在浏览器中呈现页面时，才会将其放入表中

我看不到一个干净的提取方法， 缺少使用JavaScript工具或web浏览器控制器 (, , , )

以下内容将HTML页面作为字符串读取， 并查找

initialData

变量的定义， 这显然包含了数据。 它以相同的难以使用的格式返回数据， 列表列表的列表列表的列表

library(RCurl)
url <- "http://www.whoscored.com/Matches/411429/LiveStatistics/England-Premier-League-2010-2011-Fulham-Arsenal"
html <- getURL(url)
initial_data <- gsub("^.*?initialData = (.*?);.*", "\\1", html)
initial_data <- gsub("'", '"', initial_data)
library(RJSONIO)
data <- fromJSON( initial_data )

库（RCurl）
url问题在于数据不在表中，而是在Javascript代码中--
只有在浏览器中呈现页面时，才会将其放入表中

我看不到一个干净的提取方法，
缺少使用JavaScript工具或web浏览器控制器
(,
,
,
)

以下内容将HTML页面作为字符串读取，
并查找
initialData
变量的定义，
这显然包含了数据。
它以相同的难以使用的格式返回数据，
列表列表的列表列表的列表

library(RCurl)
url <- "http://www.whoscored.com/Matches/411429/LiveStatistics/England-Premier-League-2010-2011-Fulham-Arsenal"
html <- getURL(url)
initial_data <- gsub("^.*?initialData = (.*?);.*", "\\1", html)
initial_data <- gsub("'", '"', initial_data)
library(RJSONIO)
data <- fromJSON( initial_data )

库（RCurl）
实际上，这很有帮助！从那时起，我可以取消数据列表，剩下一个相当长的向量，包含我想要的所有数据。从那以后，我把它放到data.frame中，我有一个1列，5k+行的数据框。如果有人能帮我做到这一点，那就差不多了：在转换为data.frame时，我如何告诉R我需要多少列？我的“士官”没有成功。再次感谢大家！问题是这些列表嵌套得很深，并且长度不同。您可以通过查看
cat（toJSON（data））
、
cat（toJSON（data[[1]]）
、
cat（data[[1]][[1]]）
等来理解数据的结构。以下内容似乎很有意义，也很容易使用，但我可能丢弃了太多数据：
lapply（data[[1]][[2]][[1]][[5]]，function（u）c（“name”，u[[2]]，未列出（u[[4]]）
。实际上，这很有帮助！从那时起，我可以取消数据列表，剩下一个相当长的向量，包含我想要的所有数据。从那以后，我把它放到data.frame中，我有一个1列，5k+行的数据框。如果有人能帮我做到这一点，那就差不多了：在转换为data.frame时，我如何告诉R我需要多少列？我的“士官”没有成功。再次感谢大家！问题是这些列表嵌套得很深，并且长度不同。您可以通过查看
cat（toJSON（data））
、
cat（toJSON（data[[1]]）
、
cat（data[[1]][[1]]）
等来理解数据的结构。以下内容似乎很有意义，也很容易使用，但我可能丢弃了太多数据：
lapply（data[[1]][[2]][[1]][[5]]，function（u）c（“name”，u[[2]]，未列出（u[[4]]）
。