我试图抓取 Kickstarter。但是，当我尝试获取引用项目的 URL 时，我没有得到结果。
这应该是结果之一：
这是我的代码：
代码：
main.page1 <- read_html(x ="https://www.kickstarter.com/discover/advanced?
category_id=1&sort=end_date&seed=2498921&page=1")
urls1 <- main.page1 %>% # feed `main.page` to the next step
html_nodes(".block.img-placeholder.w100p") %>% # get the CSS nodes
html_attr("href") # extract the URLs
有谁看到我哪里出错了？
首先声明您使用的所有软件包 - 我不得不去搜索才能意识到我需要rvest：
> library(rvest)
> library(dplyr)
获取您的 HTML：
> main.page1 <- read_html(x ="https://www.kickstarter.com/discover/advanced?category_id=1&sort=end_date&seed=2498921&page=1")
就目前而言，每个项目的数据都隐藏在data-project一堆 div 中的一个属性中。浏览器中的一些 Javascript（我怀疑是使用 React 框架构建的）通常会填充其他 DIV 并获取图像、格式化链接等。但是您刚刚获取了原始 HTML，因此不可用。但是原始数据是……所以……
相关的 div 似乎是“react-disc-landing”类，因此这会将数据作为文本字符串获取：
> data = main.page1 %>%
html_nodes("div.react-disc-landing") %>%
html_attr("data-project")
这些东西似乎是 JSON 字符串：
> substr(data[[1]],1,80)
[1] "{\"id\":208460273,\"photo\":{\"key\":\"assets/017/007/465/9b725fdf5ba1ee63e8987e26a1d33"
所以让我们使用rjson包来解码第一个：
> library(rjson)
> jdata = fromJSON(data[[1]])
jdata现在是一个非常复杂的嵌套列表。用来str(jdata)看看里面有什么。我不确定你想要什么，但也许是这个 URL：
> jdata$urls$web$project
[1] "https://www.kickstarter.com/projects/1513052868/sense-of-place-by-jose-davila"
如果不是，您想要的 URL 必须在某个结构中。
重复data[[i]]以获取所有链接。