这个 URL 循环有什么错误？

Question

对于一个 url，该代码可以工作，但对于列表中的多个 url，该代码不起作用，会出现错误。我是r新手，请帮忙。

library(rvest)


for (url in data_list){

webpage = read_html(url)


extracted_urls = webpage %>%
rvest::html_nodes("a") %>%
rvest::html_attr("href")
extracted_urls = extracted_urls[grep("roster", extracted_urls)]
extracted_urls}

错误：

x 必须是长度为 1 的字符串

---

编辑

OP 评论中的链接。

data_list <- c(
  "ephsports.williams.edu", 
  "wilsonphoenix.com", 
  "wingatebulldogs.com", 
  "ycpspartans.com"
)

Answer 1

在 for 循环中创建的变量每次迭代都会被覆盖。在这里，extracted_urls 被反复破坏。在循环外部创建接收器对象（尝试 r <- list()）允许将结果逐步添加到全局环境中的对象，这将在 for 循环内的本地环境外部保持可访问性。

Answer 2

由于某些网址不起作用，我们可以使用 possible 函数跳过它们。

library(rvest)
library(tidyverse)

data_list <- c(
  'https://wilsonphoenix.com', 
 'https://wingatebulldogs.com',
'https://ycpspartans.com/sorry.ashx'
)
#the third link is broken 

# we create a function to get required info. 
roster = function(x){ 
webpage = read_html(x)
extracted_urls = webpage %>%
  rvest::html_nodes("a") %>%
  rvest::html_attr("href")
extracted_urls = extracted_urls[grep("roster", extracted_urls)]
extracted_urls}
}

现在我们循环包含 urls data_list 的向量并跳过有错误的向量。

df <- map(data_list, 
                  possibly(roster, otherwise = NA_character_))