Javascript 使用rvest从HTML表中抓取Web

我不熟悉网页抓取，正在尝试抓取下表：

                    <table class="dp-firmantes table table-condensed table->striped">
                        <thead>
                            <tr>
                                <th>FIRMANTE</th>
                                <th>DISTRITO</th>
                                <th>BLOQUE</th>
                            </tr>
                        </thead>
                        <tbody>

                            <tr>
                                <td>ROMERO, JUAN CARLOS</td>
                                <td>SALTA</td>
                                <td>JUSTICIALISTA 8 DE OCTUBRE</td>
                            </tr>
                            <tr>
                                <td>FIORE VIÑUALES, MARIA CRISTINA DEL >VALLE</td>
                            <td>SALTA</td>
                                <td>PARES</td>
                            </tr>
                            </tbody>
                    </table>

坚定的
分发
斑点
罗梅罗，胡安·卡洛斯
萨尔塔
奥克图布雷8号法官
玛丽亚·克里斯蒂娜·德尔瓦勒·菲奥雷·维尼乌莱斯
萨尔塔
削减

我正在使用rvest软件包，代码如下：

link <- read_html("https://www.hcdn.gob.ar/proyectos/resultados-buscador.html?")
table <- html_nodes(link, 'table.dp-firmantes table table-condensed table-striped')

---

link您可以尝试使用以下代码来解析包含这些票据的“Listado de Autores”表。例如，第820/18号支出账单（link=）就有这个表，但我浏览了前500张账单，没有找到其他有这样数据的账单

library(tidyverse)
library(rvest)

html_object <- read_html('http://www.senado.gov.ar/parlamentario/comisiones/verExp/820.18/S/PL')

html_object %>% 
html_node(xpath = "//div[@id = 'Autores']/table") %>% # This is the xpath adress that worked for me. The CSS locator ypu provide did not work.
html_table() %>% as_data_frame() %>% ## Get the html table and store it in a tibble
mutate(X1 = gsub("\\n|\\t|  ", "", X1)) ##Remove the extra line brakes (\\n), tabs (\\t), and spaces ("  ") present in the html table.

库（tidyverse）
图书馆（rvest）
html_对象%
html_node（xpath=“//div[@id='Autores']/table”）%%>%#这是对我有效的xpath地址。CSS定位器ypu提供的不起作用。
html_table（）%>%作为_data_frame（）%>%##获取html表并将其存储在TIBLE中
mutate（X1=gsub（“\\n | \\t |，”，X1））###删除html表中的额外行制表符（\\n）、制表符（\\t）和空格（“”）。

结果:

# A tibble: 2 x 2
  X1
  <chr>
1 Romero, Juan Carlos
2 Fiore Viñuales, María Cristina Del Valle

#一个tible:2x2
X1
1罗梅罗，胡安·卡洛斯
2菲奥雷·维努阿莱斯，玛丽亚·克里斯蒂娜·德尔·瓦勒

编辑：通过read_html捕获Rśhtml的屏幕截图https://www.hcdn.gob.ar/proyectos/resultados-buscador.html?pagina=2")

该urlKaitlin上不存在节点（表），您提供的url似乎不会将我们带到包含您描述的表的页面。对于isntance，在html表格代码中，似乎列出了支持法案的国会议员的姓名。但是你提供的url只列出了法案，而没有列出国会议员。你是指下面这样的表格吗？似乎只有少数法案有这些额外的链接，指向有关其立法程序的更多信息。因此，当我手动浏览搜索结果时，链接似乎没有显示我看到的表。我不确定这是否意味着表的编码有问题？基本上，如果我使用此链接：并搜索所有法案，搜索结果页面将显示表格，其中包含签署法案的议员及其选区等的信息。这将起作用，但不幸的是，我也需要众议院法案的这些信息。我们很乐意提供帮助，但是请告诉我们可以在哪里找到它们的URL。这是我一直使用的链接：我刚刚搜索了所有的账单，这就是我引用上面html表的页面。谢谢你的帮助！我需要知道你在表格中输入了什么。例如，我在“Tipo de Proyecto”中输入了“Tipo de Proyecto”TODO，然后没有调整任何其他搜索功能。我已经找到了一种方法，可以使用rvest包中的html_session（）和jump_to（）函数自动导航搜索结果。但如果可能的话，我希望能够收集搜索结果页面表格中的数据，其中提供签署该法案的代表的姓名、所在地区和政党。