檢查網站內的表是否存在R

Question

對於我自己的一個小項目，我試圖從一些比賽中獲得結果。 我可以訪問帶有結果的頁面並從頁面中的表格下載數據。但是，每頁只有20個結果，但幸運的是，網址是按邏輯構建的，因此我可以創建它們，並在循環中訪問這些頁面並下載數據。但是，每個類別具有不同數量的賽車手，因此可以具有不同數量的頁面。我想避免手動檢查每個類別中有多少名賽車手。

我的第一個想法是隻產生大量的鏈接，確保有足夠的數量（基於賽車手的總數）獲取所有數據。

nrs <- rep(seq(1,5,1),2) 
sex <- c("M","M","M","M","M","F","F","F","F","F") 

links <- NULL 

#Loop to create 10 links, 5 for the male age grou 18-24, 5 for women agegroup 18-24. However, 
#there are only 3 pages in the male age group with a table. 
for (i in 1:length(nrs)) {                 
links[i] = paste("http://www.ironman.com/triathlon/events/americas/ironman/texas/results.aspx?p=",nrs[i],"&race=texas&rd=20160514&sex=",sex[i],"&agegroup=18-24&loc=",sep="")  
} 

resultlist <- list() #create empty list to store results 

for (i in 1:length(links)) { 
results = readHTMLTable(links[i], 
         as.data.frame = TRUE, 
         which=1, 
         stringsAsFactors = FALSE, 
         header = TRUE) #get data 
resultlist[[i]] <- results #combine results in one big list 
} 

results = do.call(rbind, resultlist) #combine results into dataframe 

正如你可以在這個代碼readHTMLTable只要遇到一個頁面，沒有表拋出一個錯誤信息，然後停止看。

我想到了兩種可能的解決方案。

1）以某種方式檢查所有鏈接是否存在。我嘗試使用RCurl包中的url.exists。但這不起作用。它對所有頁面返回TRUE，因爲頁面存在，它只是沒有表格（所以對我來說這將是誤報）。不知何故，我需要一些代碼來檢查頁面中的表是否存在，但我不知道如何去做。

2）抑制來自readHTMLTable的錯誤消息，使循環連續，但我不知道這是可能的。

對這兩種方法或任何其他建議的任何建議？

Answer 1

我認爲方法＃2更容易。 I modified your code與tryCatch，R的內置異常處理機制之一。這個對我有用。

PS我會建議使用rvest這樣的網頁抓取。