如何在使用 R 抓取表格时处理 rowspan 和 colspan

Question

尝试从下表中删除数据

性别统计.html

<table class="default_table">
  <thead>
    <tr>
      <th align="center" valign="middle" style="border-top:solid thin;border-bottom:solid thin" rowspan="1" colspan="1">List</th>
      <th align="center" valign="middle" style="border-top:solid thin;border-bottom:solid thin" rowspan="1" colspan="1">Values, n (%)</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td rowspan="3" align="center" valign="middle" style="border-bottom:solid thin" colspan="1">Gender <br>Male <br>Female </td>
      <td align="center" valign="middle" rowspan="1" colspan="1"></td>
    </tr>
    <tr>
      <td align="center" valign="middle" rowspan="1" colspan="1">75 (74.3)</td>
    </tr>
    <tr>
      <td align="center" valign="middle" style="border-bottom:solid thin" rowspan="1" colspan="1">26 (25.7)</td>
    </tr>
  </tbody>
</table>

我尝试使用下面的代码，但它返回一个类似于所附屏幕截图的表格。

library(rvest)
tbls <- html_table(read_html("C:/Users/GenderStats.html"))
for (t in 1:length(tbls)) {
  assign(paste0("Table", t), tbls[[t]])
}

有没有办法像下面附表那样？

Answer 1

这是一个解决方案，它提取

List

中的每个值，并在来自

tbls

的数据框中为其提供自己的行。然后只需删除带有空

Value

:

的行

library(tidyverse)

tbls[[1]] |> 
  rownames_to_column() |> 
  rowwise() |> 
  mutate(List = str_split_1(List, " ")[[as.numeric(rowname)]]) |> 
  filter(`Values, n (%)` != "") |> 
  select(-rowname)

# A tibble: 2 × 2
# Rowwise: 
  List   `Values, n (%)`
  <chr>  <chr>          
1 Male   75 (74.3)      
2 Female 26 (25.7)