带RVest的卷筒纸刮板GameGeek

Question

我在下面提供了一些示例，但是我需要清除大部分可用的数据元素，所以不是寻找复制和粘贴的代码，而是寻找最好的方法。见下文。

链接：https://boardgamegeek.com/boardgame/63888/innovation

我试图从中提取的HTML示例。Span没有返回html_nodes，所以我无法从那里开始。

<span ng-if="min > 0" class="ng-binding ng-scope">45</span>

<a title="Civilization" ng-href="/boardgamecategory/1015/civilization" class="ng-binding" href="/boardgamecategory/1015/civilization">Civilization</a>

<script type="text/javascript" src="https://cf.geekdo-static.com/static/geekcollection_master2_5e84926ab7e90.js"></script>

\"minplaytime\":\"30\" OR {\"name\":\"Deck, Bag, and Pool Building\"

我假设这是JSON？有没有一种方法来解析html_text输出，或者另一种方法？使用V8只是在页面顶部快速使用javascript更容易吗？这方面有没有一个简单的指南？

Answer 1

你知道BGG有API吗？文档可在以下网址找到：URL

代码将以XML文件的形式提供。因此，对于您的示例，您可以获得您的游戏的ID-您的示例是63888（它在URL中）。因此xml文件可在以下网址找到：https://www.boardgamegeek.com/xmlapi2/thing?id=63888

您可以使用以下代码阅读信息：

library(dplyr)
library(rvest)

game_data <- read_xml("https://www.boardgamegeek.com/xmlapi2/thing?id=63888")
game_data %>% 
  html_nodes("name[type=primary]") %>% 
  html_attr("value") %>% 
  as.character()
#> [1] "Innovation"