Rでウェブをスクレイピングしているときにエラーを取り除く方法は？

Question

このウェブサイトをスクレイピングしていると、ティブル列に互換性のあるサイズが必要であるというエラーメッセージが表示されます。
この場合はどうすればよいですか？

library(rvest)
library(tidyverse)

url <- "https://www.zomato.com/tr/toronto/drinks-and-nightlife?page=5"
map_dfr(
  .x = url,
  .f = function(x) {
    tibble(
      url = x,
      place = read_html(x) %>%
        html_nodes("a.result-title.hover_feedback.zred.bold.ln24.fontsize0") %>%
        html_attr("title"),
      price = read_html(x) %>%
        html_nodes("div.res-cost.clearfix span.col-s-11.col-m-12.pl0") %>%
        html_text()
    )
  }
) -> df_zomato

前もって感謝します。

Answer 1

問題は、すべてのレストランが完全な記録を持っていないことが原因です。この例では、リストの13番目のアイテムに価格が含まれていなかったため、価格ベクトルには14アイテムが含まれ、場所ベクトルには15アイテムが含まれていました。

この問題を解決する1つの方法は、共通の親ノードを見つけて、それらのノードをhtml_node()関数で解析することです。html_node()NAであっても、常に値を返します。

library(rvest)
library(dplyr)
library(tibble)


url <- "https://www.zomato.com/tr/toronto/drinks-and-nightlife?page=5"
readpage <- function(url){
   #read the page once
   page <-read_html(url)

   #parse out the parent nodes
   results <- page %>% html_nodes("article.search-result")

   #retrieve the place and price from each parent
   place <- results %>% html_node("a.result-title.hover_feedback.zred.bold.ln24.fontsize0") %>%
      html_attr("title")
   price <- results %>% html_node("div.res-cost.clearfix span.col-s-11.col-m-12.pl0") %>%
      html_text()

   #return a tibble/data,frame
   tibble(url, place, price)
}

readpage(url)

上記のコード例では、同じページを複数回読んでいたことにも注意してください。これは遅く、サーバーに追加の負荷をかけます。これは、「サービス拒否」攻撃と見なされる可能性があります。
ページを一度メモリに読み込んでから、そのコピーを操作することをお勧めします。

更新
複数のページに関する質問に答えます。上記の関数を関数でラップしてからlapply、返されたデータフレーム（またはtibbles）のリストをバインドします

dfs <- lapply(listofurls, function(url){ readpage(url)})
finalanswer <- bind_rows(dfs)