如何從R中的html表中過濾掉數字？-有解無憂

我目前正在研究預測模型，為此我想將 HTML 網站中的資料匯入 R 并將資料集的值部分保存到新串列中。

我在 R 中使用了以下方法：

# getting website data:

link <- "https://www.tradegate.de/orderbuch.php?isin=US13200M5085"
document <- htmlParse(GET(link, user_agent("Mozilla")))
removeNodes(getNodeSet(document,"//*/comment()"))
doc.tables<-readHTMLTable(document)

# show BID/ASK block:

doc.tables[2]

doc.tables[2]在這種情況下，哪個 ( ) 給了我結果：

$`NULL`
  Bid 0,765
1 Ask  0,80

如何過濾掉表格的數字（0,765 和 0,80），將其保存到串列中？

uj5u.com熱心網友回復：

問題是 0.765 實際上是您的 data.frame 列的名稱。

您的資料框是 doc.tables[[2]]

您可以通過呼叫 names(doc.tables[[2]])[2]) 來獲取名稱

將其存盤為變數，例如 name <- names(doc.tables[[2]])[2])

然后您可以使用 doc.tables[[2]][[2]] 獲取 0,80，如果您愿意，可以將其存盤為變數。

最終代碼應如下所示... my_list <- list(name, doc.tables[[2]][[2]])

uj5u.com熱心網友回復：

這里有一種方式 with rvest，而不是 package XML。
下面的代碼使用另外兩個包stringr和readr, 來提取值及其名稱。

library(httr)
library(rvest)
library(dplyr)

link <- "https://www.tradegate.de/orderbuch.php?isin=US13200M5085"

page <- read_html(link)

tbl <- page %>%
  html_elements("tr") %>%
  html_text() %>%
  .[3:4] %>%
  stringr::str_replace_all(",", ".")

tibble(name = stringr::str_extract(tbl, "Ask|Bid"), 
       value = readr::parse_number(tbl))
#> # A tibble: 2 x 2
#>   name  value
#>   <chr> <dbl>
#> 1 Bid   0.765
#> 2 Ask   0.8

^{由reprex 包于 2022-03-26 創建(v2.0.1)}

在不將管道結果保存到臨時物件的情況下，tbl管道可以繼續如下。

library(httr)
library(rvest)
library(stringr)
suppressPackageStartupMessages(library(dplyr))

link <- "https://www.tradegate.de/orderbuch.php?isin=US13200M5085"

page <- read_html(link)

page %>%
  html_elements("tr") %>%
  html_text() %>%
  .[3:4] %>%
  str_replace_all(",", ".") %>%
  tibble(name = str_extract(., "Ask|Bid"), 
         value = readr::parse_number(.)) %>%
  .[-1]
#> # A tibble: 2 x 2
#>   name  value
#>   <chr> <dbl>
#> 1 Bid   0.765
#> 2 Ask   0.8

^{由reprex 包于 2022-03-27 創建(v2.0.1)}

uj5u.com熱心網友回復：

這是基于 Jahi Zamy 的觀察，即您的一些資料顯示為列名以及問題中的示例代碼。

library(httr)
library(XML)

# getting website data:
link <- "https://www.tradegate.de/orderbuch.php?isin=US13200M5085"
document <- htmlParse(GET(link, user_agent("Mozilla")))

# readHTMLTable() assumes tables have a header row by default,
# but these tables do not, so use header=FALSE
doc.tables <- readHTMLTable(document, header=FALSE)

# Extract column from BID/ASK table
BidAsk = doc.tables1[[2]][,2]
# Replace commas with point decimal separator
BidAsk = as.numeric(gsub(",", ".", BidAsk))
# Convert to numeric
BidAsk = as.numeric(BidAsk)

轉載請註明出處，本文鏈接：https://www.uj5u.com/yidong/450204.html

標籤：html r

上一篇：使用列名展開所有列

下一篇：通過R中最接近的值合并兩個資料幀