R网络垃圾，不确定如何继续

Question

对于一个附带项目，我试图收集与梦幻足球相关的NFL球员的统计数据。我找到了一个URL，其中包含我想要的数据：https://www.cbssports.com/fantasy/football/stats/QB/2020/ytd/stats/ppr/

我试图在R中勉强应付，但运气不好。我试过很多东西，最接近的是：

Test1 <- read_html("https://www.cbssports.com/fantasy/football/stats/QB/2020/season/projections/ppr/") %>% html_nodes('.TableBase-bodyTr')

这是我到目前为止得到的代码，结果如下：

Test1
{xml_nodeset (69)}
 [1] <tr class="TableBase-bodyTr">\n<td class="TableBase-bodyTd \n                \n                \n                \n                ">\n                    <span class="CellPlayerName--sho ...
 [2] <tr class="TableBase-bodyTr">\n<td class="TableBase-bodyTd \n                \n                \n                \n                ">\n                    <span class="CellPlayerName--sho ...
 [3] <tr class="TableBase-bodyTr">\n<td class="TableBase-bodyTd \n                \n                \n                \n                ">\n                    <span class="CellPlayerName--sho ...
 [4] <tr class="TableBase-bodyTr">\n<td class="TableBase-bodyTd \n                \n                \n                \n                ">\n                    <span class="CellPlayerName--sho ...

我尝试将其输入html_text（），结果我得到了这个：

[65] "\n                    \n                        \n                        \n            \n                                                                                                    \n            J. Eason\n    \n                                        \n                                    \n                        QB\n                    \n                    \n                                    \n                        IND\n                    \n                                \n                \n                \n                            \n        \n        \n            

这只是纯粹的混乱，相关的信息被嵌入其中。我还试着对它使用html_table()，结果得到了一个错误。

现在，如果我在“Test1”上使用视图函数，我可以钻取许多层的数据，找到我要找的，但我想知道的是如何直接获取数据。

我真的不知道从这里去哪里。如果有人能给我一些建议，我将非常感激。我对超文本标记语言的熟悉程度非常低，我正在尝试阅读更多关于它的信息并理解它，但是从我通过检查页面能够收集到的数据存储在类“TableBase-body Tr”中，这就是为什么我将节点指向那里。

Answer 1

表格格式中有一些奇怪的东西导致了一个错误：html_table（）。不太确定如何纠正这一点。

这里有一个替代方法，可以抓取行的内容，然后创建数据帧。

library(rvest)
page <- read_html("https://www.cbssports.com/fantasy/football/stats/QB/2020/season/projections/ppr/") 

#find the rows of the table
rows<-page%>% html_nodes('tr')

#the first 2 rows are the header information skipping those
#get the playname (both short and long verision)
playername <- rows[-c(1, 2)] %>% html_nodes('td span span a') %>% html_text() %>% trimws() 
playername <- matrix(playername, ncol=2, byrow=TRUE)

#get the team and position
position <- rows[-c(1, 2)] %>% html_nodes('span.CellPlayerName-position') %>% html_text() %>% trimws() 
team <- rows[-c(1, 2)] %>% html_nodes('span.CellPlayerName-team') %>% html_text() %>% trimws() 

#get the stats from the table
cols <- rows[-c(1, 2)] %>% html_nodes('td') %>% html_text() %>% trimws() 
stats <-matrix(cols, ncol=16, byrow=TRUE)

#make the final answer
answer <- data.frame(playername, position, team, stats[, -1])
#still need to rename the columns
statnames<-c("Name_s", "Name_l", "position", "team",  'GP', 'ATT', 'CMP', 'YDS', 'YDS/G', "TD", 'INT', 'RATE', 'ATT', 'YDS', 'AVG', 'TD', 'FL', 'FPTS', "FPPG")
names(answer) <- statnames

这将使您获得95%，我没有尝试从网页中自动检索列名称。手动复制、粘贴和分配列名称更容易。