我正试图从网上发布的一些情节跟踪中抓取悬停文本内容。我以前没有进行过这种类型的刮擦，如果可能的话，我正在尝试在没有硒或phantomjs的R中进行这种刮擦。。。也许使用V8？我想知道是否有人能为我指明正确的方向。链接到绘图如下。具体查找图21中的数据：艾伯塔省新冠肺炎各地区的阳性率。谢谢
https://www.alberta.ca/stats/covid-19-alberta-statistics.htm
使用rvest和jsonlite，以下代码将获得您要查找的数据。plot.ly图的数据存储在<script>标记中。
第一步是识别感兴趣的图形的小部件ID，下面的代码向您展示了如何通过查找感兴趣图形的标题文本来查找小部件ID。然后可以使用html_nodes()和html_attrs()搜索正确的节点。jsonlite::fromJSON()将JSON数据转换为R列表对象。
library(rvest)
library(jsonlite)
library(purrr)
library(stringr)
library(dplyr)
url <-
"https://www.alberta.ca/stats/covid-19-alberta-statistics.htm#laboratory-testing"
raw_html <- read_html(url)
# get widget ID
caption <-
"Figure 21: Positivity rate for COVID-19 in Alberta by zone."
figure_divs <- html_nodes(raw_html, ".figure")
figure_21_div_lgl <- grepl(caption, figure_divs)
widget_id <-
figure_divs[figure_21_div_lgl] %>%
html_nodes("div") %>%
html_attr("id")
# find data for the correct widget_id
data_for <-
html_nodes(raw_html, "script") %>%
html_attr("data-for")
data_for_figure_21_lgl <-
!is.na(data_for) & data_for == widget_id
data_for_figure_21 <-
html_nodes(raw_html, "script") %>%
.[data_for_figure_21_lgl] %>%
html_text()
dff21_l <- fromJSON(data_for_figure_21)
为了提取工具提示中显示的数据("悬停文本"(，我们需要遍历不同的元素。首先用CCD_ 7。然后用CCD_ 8提取文本。我们对元素进行多次迭代，以拆分和清理字符串，这样我们就可以最终将结果转换为data.frame。
tooltip_text_raw <- unlist(dff21_l$x$data$text)
tooltip_text <- map(tooltip_text_raw, read_html)
tooltip_text <- map(tooltip_text, html_text) %>% unlist()
tooltip_text_split <- strsplit(tooltip_text, "\:")
tooltip_text_split_almost_clean <-
map(tooltip_text_split,
~ gsub("Report Date|Percent|Number of tests", "", .x))
tooltip_text_split_clean <-
map(tooltip_text_split_almost_clean, ~ str_squish(.[. != ""]))
tests_df <-
map_dfr(tooltip_text_split_clean,
~ data.frame(
date = as.Date(.x[1]),
percent = .x[2],
tests = .x[3]
))
head(tests_df)
#> date percent tests
#> 1 2020-03-06 9.68 31
#> 2 2020-03-07 0.00 142
#> 3 2020-03-08 0.00 213
#> 4 2020-03-09 2.51 239
#> 5 2020-03-10 3.90 282
#> 6 2020-03-11 1.05 572