ハイパーリンクを含むデータフレームへのHTMLテーブルの読み込みR

Question

公開されているWebサイトからRのデータフレームにHTMLテーブルを読み込もうとしています。テーブルの最後の列にはハイパーリンクが含まれています。 Webページに表示されるテキストではなく、テーブルにハイパーリンクされます。私はStackOverflowや他のサイトでいくつかの記事を見直してきましたが、ほとんどそこにいましたが、私はハイパーリンク自体を読むことができませんでした。

私が読んでいるテーブルはここにあります：http://mis.ercot.com/misapp/GetReports.do?reportTypeId=12300&reportTitle=LMPs%20by%20Resource%20Nodes,%20Load%20Zones%20and%20Trading%20Hubs&showHTMLView=&mimicKey。

最後の列には、ダウンロード用の* .ZIPファイル形式の実際のデータを指すハイパーリンクが含まれています。私はテーブルをRにテキストとして読み込むことに成功しましたが、最終列のハイパーリンクを解決する方法を理解することはできません。ここで

は、私がこれまで持っているものです。

library(XML) 
webURL <- 'http://mis.ercot.com/misapp/GetReports.do?reportTypeId=12300&reportTitle=LMPs%20by%20Resource%20Nodes,%20Load%20Zones%20and%20Trading%20Hubs&showHTMLView=&mimicKey' 
page <- htmlParse(webURL) 
tableNodes <- getNodeSet(sitePage, "//table") 
myTable <- readHTMLTable(tableNodes[[3]]) 

ただし、これは最後の列ではなく、ハイパーリンクのテキストが含まれています。この表の最後の列の「zip」という単語をRの各行の対応するハイパーリンクの値に置き換えるにはどうすればよいですか？

Answer 1

あなたはXMLファイルまたはCSVファイルのいずれかをターゲットとすることができますので、あなたはURLだけでなく、ファイル名を取得できるようになる。このコードURLとファイル名を繰り返して、後で認識できる名前で保存します。

library(rvest) 
library(dplyr) 

pg <- read_html("http://mis.ercot.com/misapp/GetReports.do?reportTypeId=12300&reportTitle=LMPs%20by%20Resource%20Nodes,%20Load%20Zones%20and%20Trading%20Hubs&showHTMLView=&mimicKey") 

csv_fils <- html_nodes(pg, xpath=".//td[contains(@class, 'labelOptional_ind') and contains(., 'csv')]/..") 

data_frame(
    fil_name = html_nodes(csv_fils, "td.labelOptional_ind") %>% html_text(), 
    url = html_nodes(csv_fils, xpath=".//td[4]/div/a") %>% html_attr("href") 
) -> csv_df 

glimpse(csv_df) 
## Observations: 1,560 
## Variables: 2 
## $ fil_name <chr> "cdr.00.0000000000000000.20170729.094015151.LMPSROSNODENP6788_20170729_094011_csv.zip", "cdr... 
## $ url  <chr> "/misdownload/servlets/mirDownload?mimic_duns=&doclookupId=572923018", "/misdownload/servlets/mirD... 

xml_fils <- html_nodes(pg, xpath=".//td[contains(@class, 'labelOptional_ind') and contains(., 'xml')]/..") 

data_frame(
    fil_name = html_nodes(xml_fils, "td.labelOptional_ind") %>% html_text(), 
    url = html_nodes(xml_fils, xpath=".//td[4]/div/a") %>% html_attr("href") 
) -> xml_df 

glimpse(xml_df) 
## Observations: 1,560 
## Variables: 2 
## $ fil_name <chr> "cdr.00.0000000000000000.20170729.094015016.LMPSROSNODENP6788_20170729_094011_xml.zip", "cdr... 
## $ url  <chr> "/misdownload/servlets/mirDownload?mimic_duns=&doclookupId=572923015", "/misdownload/servlets/mirD...