使用 rvest 从 HTML 表中提取超链接

Question

我在这里看到了类似的问题并实施了解决方案，但似乎仍然无法解决这个问题。还是一个 R 新手，所以请耐心等待：我已经设法使用 rvest从该网站获取了巴拉克·奥巴马 (Barack Obama) 的演讲表：

library(rvest)
page <- read_html("http://www.americanrhetoric.com/barackobamaspeeches.htm")
speeches <- page %>%
  html_nodes(xpath = '//*[@id="AutoNumber1"]') %>% 
  html_table(fill=TRUE)
speeches <- speeches[[1]][,2:4]
head(speeches)

产生：

            X2                                            X3    X4
1             <NA>                                          <NA>  <NA>
2    Delivery Date                  Speech Title/Text/MultiMedia Audio
3     27 July 2004 Democratic National Convention Keynote Speech   mp3
4  06 January 2005 Senate Speech on Ohio Electoral Vote Counting   mp3
5     04 June 2005              Knox College Commencement Speech   mp3
6 15 December 2005              Senate Speech on the PATRIOT Act   mp3

但是，我还想提取“语音”列中每个条目的超链接，该链接自然位于属性中href。我在网上对此进行了相当彻底的研究，有些人说还要用 指定 html 属性html_attr('href')，但如果我将其包含在上面的代码中，我会收到此错误：

Error in UseMethod("xml_attr") : no applicable method for 'xml_attr' applied to an object of class "list"

另一个人建议修改实际功能，trace但这似乎过于复杂，看起来有点简单。知道我在哪里绊倒吗？

Answer 1

我使用Selector Gadget来确定节点，并使用以下命令提取 URL：

page %>% html_nodes("td:nth-child(2) a") %>% html_attr("href")