【入门-R爬虫抓取数据】文本挖掘之数据爬虫

最新推荐文章于 2025-10-14 16:07:00 发布

原创

最新推荐文章于 2025-10-14 16:07:00 发布 · 4.9k 阅读

14 ·

CC 4.0 BY-SA版权

文章标签：

#量化投资 #基金 #宽客 #爬虫 #Python

本文介绍了如何使用R语言的rvest包进行网页数据爬取。通过解析HTML节点，提取评论数据、作者、发布时间等信息，并构建数据框。示例中爬取了25页的数据，涉及金融领域的量化投资话题。

今天主要介绍一下，文本挖掘的数据获取方式，上一篇很多人在问数据如何获取，今天给大家介绍下数据获取的方式，主要利用爬虫抓取数据。基于，之前对python爬虫没接触过，尝试过用R爬虫，今天就来介绍下，如何用R爬取股吧的评论数据，关于R爬虫网上也有很多参考资料，在参考了网上大神的思路方法后，自己尝试了对股吧数据进行爬取，结果爬取下来的数据还是比较规范，能够满足我的分析需求的。

R进行爬虫，经常用的包有RCurl和rvest两个包，这里我主要介绍rvest包爬虫，大致的思路其实是一样的，爬虫之前需要对网页有个基本的了解，会查看网页相应的审核元素，找到相应的节点所在的位置，找到节点的类型class，这些了解了，后面爬虫就会得心应手很多。不多说了，先上代码吧。

library(rvest)
library(xml2)
library(sqldf)
library(gsubfn)
library(proto)
library(RSQLite)
library(DBI)
library(data.table)
library(stringr)

extradata<-function(i,non_pn_url){
     url<-paste0(non_pn_url,i)##先给一个没有页码的网页#
     web<-html(url)#通过html解析网页##
     title<-web %>% html_nodes("div.articleh span.l3 a")%>%html_text()%>% .[c(seq(1,86,1))] %>% as.character()##找到评论数据对应的节点类型，匹配获取节点##
     paperlink<-gsub("\\?source\\=search",""