来自 Tripadvisor 的数据挖掘:没有属性的源代码信息

Question

我正在尝试从tripadvisor挖掘评论数据。我目前正在遵循Hadley Wickham的代码（在这里找到）。我已经为他正在审查的酒店工作了。

但是，当我将其应用于我的情况时（例如。皮查瓦拉姆红树林）的日期是NA的。我发现问题在于他的评论源代码中的日期具有"标题"属性。我正在搜索的网站都没有用于日期信息的此属性标签。相反，当我查看页面的源代码时，日期可在以下行中找到

'< span class="ratingDate" >Reviewed 16 May 2015'. 

有谁知道我如何修改他的代码以获取此日期信息？哈德利代码的日期抓取部分是：

date <- reviews %>%
  html_node(".rating .ratingDate") %>%
  html_attr("title") %>%
  strptime("%b %d, %Y") %>%    
  as.POSIXct()

我对R（以及一般的编码）相当陌生，所以我非常感谢您的帮助。

Answer 1

鉴于网站在不断变化，期望这些示例在 100% 的时间内有效可能是不公平的。

无论如何...这是一个今天有效的解决方案...

library("rvest")
url <- "http://www.tripadvisor.com/Attraction_Review-g790280-d2408767-Reviews-Pichavaram_Mangrove_Forest-Chidambaram_Tamil_Nadu.html"
html(url) %>% html_node(".rating .ratingDate") %>% 
  html_text %>%
  strptime("Reviewed %b %d, %Y") %>%    
  as.POSIXct()