有了rvest，妈妈再也不用担心我的数据了。

require(XML)
getHTMLLinks(htmlParse(readLines("https://www.gov.uk/government/announcements?keywords=&announcement_type_option=press-releases&topics[]=all&departments[]=all&world_locations[]=all&from_date=&to_date=01%2F07%2F2010")))

就这水平还敢臭屁这个那个相形见绌

library(rvest)

学到了

求教，能实现输入账号密码页面的信息抓取吗，自己有账号密码的情况下。

distiner 发表于 2014-12-11 00:47
我想从一个网站上爬取数据，总共分页很多，但是一旦爬到一定的时候，网站最多会让我在不login的情况下，爬取 ...

同问，求解答！

小白蹭楼请教一下，为何我的老是出错：
> library(rvest)> Link<-'http://comment.news.163.com/news_guonei_bbs/5SAOMV780001124J.html' > Dlink<-read_html(Link) > comment<-html_nodes(Dlink,'#tie-data-4 > div > div > div')> comment{xml_nodeset (0)}> rm(comment)> comment<-Dlink%>%html_nodes('div.list div div')%>%html_text()> commentcharacter(0)> comment<-Dlink%>%html_nodes('div.body div')%>%html_text()> comment [1] "确 定"                                                                                                                                                                                                                                                                                     [2] "\r\n            \r\n            \r\n            \r\n            \r\n            \r\n        "                                                                                                                                                                                              [3] "\r\n            \r\n            \r\n                您的帐号存在异常操作，为保证您的帐号安全，请输入验证码进行下一步操作。\r\n                \r\n                    验证码：\r\n                    看不清，换一张\r\n                \r\n                 \r\n            \r\n        " [4] ""                                                                                                                                                                                                                                                                                          [5] "\r\n                您的帐号存在异常操作，为保证您的帐号安全，请输入验证码进行下一步操作。\r\n                \r\n                    验证码：\r\n                    看不清，换一张\r\n                \r\n                 \r\n            "                                             [6] "\r\n            确 定\r\n            \r\n            取 消\r\n        "                                                                                                                                                                                                                    [7] "\r\n            \r\n            分享成功\r\n            \r\n                \r\n                    帐号绑定已经过期\r\n                \r\n                \r\n                    请重新绑定>>\r\n                \r\n            \r\n        "                                          [8] "\r\n                \r\n                    帐号绑定已经过期\r\n                \r\n                \r\n                    请重新绑定>>\r\n                \r\n            "                                                                                                              [9] "\r\n            打开邀请函\r\n        "                                                                                                                                                                                                                                                   [10] "\r\n            继续\r\n            取消\r\n        "                 

我怀疑是定位的CSS selector出了问题。请问如果想要获取评论页面的“用户名” “评论内容” “点赞数”，具体定位的CSS selector应该怎么写？ 期待各位大牛的回复，谢谢！

请问有这方面的书吗