維基百科故障刮表

我在按照this question選擇的答案時遇到問題。我試圖抓取的表格是this list of U.S. state populations。維基百科故障刮表

library(XML) 
theurl <- "http://en.wikipedia.org/wiki/List_of_U.S._states_and_territories_by_population" 
tables <- readHTMLTable(theurl) 
n.rows <- unlist(lapply(tables, function(t) dim(t)[1]))

這是我得到的錯誤..

Error: failed to load external entity "http://en.wikipedia.org/wiki/List_of_U.S._states_and_territories_by_population"

是怎麼回事？

（注 - 雖然我在尋找解決這個錯誤，如果你可以點我得到的人口數據我會很感激的更簡單的方法）

來源

2015-09-02 Ben

Wikipedia允許免費下載他們的整個數據庫... https://en.wikipedia.org/wiki/Wikipedia:Database_download這應該會減少已經超出網絡服務器 – ScottMcGready

err，你可以按照參考鏈接對於有問題的數據，可在頁面底部找到，然後轉到[參考站點]（http://www.census.gov/popest/data/state/totals/2013/index.html），也稱爲作爲人口普查，並下載其中包含的csv或xls。 –

@ScottMcGready，你必須有一個大的外部HD。 :)這不是一個小的下載，你只是在那裏提供一個50行的表格，其中包含一些感興趣的列。 –

沒有什麼不對您的代碼。但是，您的網址存在問題。

您可以通過一個殼，並試圖驗證外部輸入到你的代碼不會導致它失敗，例如測試，

curl https://en.wikipedia.org/wiki/List_of_U.S._states_and_territories_by_population

將空體，類似於返回到您的R代碼。這應該導致你相信這不是你的R代碼有問題。在作出這一發現，你可能會繼續在其中您有興趣，再使用捲曲你的自由和簡單的測試環境的頁面的部分，並運行

curl https://en.wikipedia.org/wiki/List_of_U.S._states_and_territories_by_population#States_and_territories

這肯定會不返回空的結果：

... 
<body class="mediawiki ltr sitedir-ltr ns-0 ns-subject page-List_of_U_S_states_and_territories_by_population skin-vector action-view"> 
    <div id="mw-page-base" class="noprint"></div> 
    <div id="mw-head-base" class="noprint"></div> 
    <div id="content" class="mw-body" role="main">

來源

2015-09-02 00:47:37

這是很容易在rvest

library(rvest); library(magrittr) # for %>% 

theurl %>% 
    html() %>% 
    html_nodes("table") %>% extract(1) %>% 
    html_table(fill=TRUE) %>% extract(1) -> pop_table

見@科裏的blog更多的信息做。

來源

2015-09-02 01:51:02 C8H10N4O2

維基百科故障刮表

回答

相關問題