版权声明：本文为博主原创文章，未经博主允许不得转载。

       R语言中的rvest包是一个很容易入门的包，简单的学习即可入门，在此篇文章中，我将简单介绍一下本篇文章中rvest包中用到的主要的函数、爬取网页的基本步骤、一个完整的网页爬取步骤以及与rvest包结合使用的一款工具。

        1.与R语言中的rvest包结合使用的工具：SelectorGadget。

        SelectorGadget是一款开源工具，可以与谷歌浏览器结合使用，能够为复杂网站的元素生成CSS选择器，这款神器有助于我们快速找到html的节点信息（关于此工具的安装及使用可以参看我的另一篇博文，此处不再赘述）。

         2.rvest包用到的主要函数

          在此次爬取中，我们用到的函数主要有以下几个：

         3.爬取网页的基本步骤：①获取网页的链接，代码为url=" " ； ②下载网页，代码：web<-read_html(url,encoding=" ")；③提取自己想要的信息，如果是提取文本，一般代码为：name<-web%>%html_nodes(' ')%>%html_text()；④提取链接：link<-web%>%html_nodes(' ')%>%html_attrs()。

       4.以爬取当当网图书排名为例（在最后附录完整的代码）。

          在这个案例中，我爬取了当当图书排行榜前500名的图书的排名、书名、作者、价格。因为代码类似，故在此我仅详细介绍如何爬取书的作者。

         主要是获取节点信息。在谷歌浏览器中打开链接：http://bang.dangdang.com/books/bestsellers/01.00.00.00.00.00-recent7-0-0-1-1，进入到当当图书排行榜，然后点击谷歌工具SelectorGadget（如果安装以后就会在谷歌浏览器左上角出现一个放大镜的图标：，点击该图标即可）。然后我们爬取作者，就点击“作者”那一栏，则会出现如图一所示：但是我们发现这时候选取的不仅仅有作者，还有下面的出版社信息，则这时候我们需要再点击“出版社”那一栏，这样就不会再选中“出版社”那一栏，只会选择“作者”那一栏，这时候我们谷歌浏览器左下角就可以得到“作者”的节点信息。如图2所示

图一   

图二

        其余的节点信息都是这样得到的，下面附上全部代码：

这样就可以啦~不过本篇文章中没有涉及到链接的提取，提取链接以及爬取网页中注意的小问题我下一篇文章再来更~~