Rvest eliminando notícias do Google com número diferente de linhas

Question

Estou usando o Rvest para cancelar o Google News.
No entanto, encontro valores ausentes no elemento "Tempo" de vez em quando em diferentes palavras-chave. Como os valores estão faltando, ele acabará tendo "erro de número de linhas diferente" para o quadro de dados do resultado de sucateamento.
Existe alguma maneira de preencher NA para esses valores ausentes?

Abaixo está o exemplo do código que estou usando.

html_dat <- read_html(paste0("https://news.google.com/search?q=",Search,"&hl=en-US&gl=US&ceid=US%3Aen"))

  dat <- data.frame(Link = html_dat %>%
                  html_nodes('.VDXfz') %>% 
                  html_attr('href')) %>% 
  mutate(Link = gsub("./articles/","https://news.google.com/articles/",Link))

  news_dat <- data.frame(
   Title = html_dat %>%
   html_nodes('.DY5T1d') %>% 
   html_text(),
   Link = dat$Link,
   Description =  html_dat %>%
   html_nodes('.Rai5ob') %>% 
   html_text(),
   Time =  html_dat %>%
   html_nodes('.WW6dff') %>%
   html_text() 
 )    

Answer 1

Sem saber a página exata que você estava vendo, tentei a primeira página de notícias do Google.

Na página Rvest, html_node(sem os) sempre retornará um valor, mesmo que seja NA. Portanto, para manter os vetores do mesmo comprimento, é necessário encontrar o nó pai comum para todos os nós de dados desejados. Em seguida, analise as informações desejadas de cada um desses nós.

Supondo que o nó Título seja mais completo, suba 1 nível xml_parent()e tente recuperar o mesmo número de nós de descrição, isso não funcionou. Em seguida, tentei 2 níveis usando xml_parent() %>% xml_parent(), isso parece funcionar.

library(rvest)

url <-"https://news.google.com/topstories?hl=en-US&gl=US&ceid=US:en"
html_dat <- read_html(url)

Title = html_dat %>%  html_nodes('.DY5T1d') %>%   html_text()

# Link = dat$Link
Link = html_dat %>%  html_nodes('.VDXfz') %>%   html_attr('href') 
Link <-  gsub("./articles/", "https://news.google.com/articles/",Link)

#Find the common parent node 
#(this was trial and error) Tried the parent then the grandparent
Titlenodes <- html_dat %>%  html_nodes('.DY5T1d') %>% xml_parent()  %>% xml_parent() 
Description =  Titlenodes %>%  html_node('.Rai5ob') %>%  html_text()
Time =  Titlenodes %>%  html_node('.WW6dff') %>%   html_text() 
 
answer <- data.frame(Title, Time, Description, Link)