使用R从网页中提取表格

~ admin

有时候我们在数据挖掘的过程中需要提取网页中的表格。我们可以使用下面的代码：

> library(XML)
> url <- "http://www.bioguo.org/AnimalTFDB/BrowseAllTF.php?spe=Mus_musculus"
> tables <- readHTMLTable(url)
> length(tables)
[1] 6
> names(tables)
[1] "NULL"   "NULL"   "NULL"   "NULL"   "table1" "NULL"  
> dim(tables$table1)
[1] 1458    5
> head(tables$table1)
  No.         Ensembl ID Gene ID  Symbol            Family
1   1 ENSMUSG00000029313   17355    Aff1              AF-4
2   2 ENSMUSG00000031189   14266    Aff2              AF-4
3   3 ENSMUSG00000037138   16764    Aff3              AF-4
4   4 ENSMUSG00000049470   93736    Aff4              AF-4
5   5 ENSMUSG00000046532   11835      Ar Androgen receptor
6   6 ENSMUSG00000021359   21418 Tcfap2a              AP-2

发布者：admin

One thought on “使用R从网页中提取表格”

  1. longer code:

    library(RCurl)
    library(XML)
    url <- "http://www.bioguo.org/AnimalTFDB/BrowseAllTF.php?spe=Mus_musculus" wp <- getURLContent(url) doc <- htmlParse(wp, asText = TRUE) docName(doc) <- url tables <- readHTMLTable(doc)

    回复

发表评论

电子邮件地址不会被公开。 必填项已用*标注