在R中循環多個網頁

Question

對不起，這可能太涉及一個問題在這裏問。我試圖重現NYTime方言地圖可視化的黑客會話，位於here。我一開始就沒問題，但是當我嘗試瀏覽多個頁面時遇到了問題。

救人不必再現從幻燈片的信息，這是我到目前爲止有：

創建URL地址：

mainURL <- 'http://www4.uwm.edu/FLL/linguistics/dialect/staticmaps/' 
stateURL <- 'states.html' 
url <- paste0(mainURL, stateURL) 

下載和分析

tmp <- getURL(url) 
tmp <- htmlTreeParse(tmp, useInternalNodes = TRUE) 

提取頁面地址並保存到subURL

subURL <- unlist(xpathSApply(tmp, '//a[@href]', xmlAttrs)) 

刪除非國有的名字

subURL <- subURL[-(1:4)] 

問題始於我在原始幻燈片24頁。幻燈片說，下一步是遍歷狀態列表並閱讀每個問題的正文。當然，我們還需要在過程中保存每個狀態的名稱。環路初始化用下面的代碼：

survey <- vector(length(subURL), mode = "list") 
i = 1 
stateNames <- rep('', length(subURL)) 

在此之下的代碼，幻燈片說survey就是大約每狀態信息保存列表。我在這裏有點困惑，因爲survey確實是一個長度爲51的列表，但是每個元素都是NULL。我也對i在這裏做什麼感到困惑（這在以後變得很重要）。不過，我可以關注代碼的工作情況，並且我認爲這個列表稍後會被填充。

這真的是我感到困惑的下一張幻燈片。作爲一個例子，它示出了URL如何包含每個狀態的名稱，使用阿拉斯加作爲一個例子：

爲第一狀態創建URL，並從分配給suburl

suburl <- subURL[1] 

刪除STATE_從Statename的 suburl

stateName <- gsub('state_','',suburl) 

刪除的.html

stateName <- gsub('.html','',stateName) 

到目前爲止，這麼好。我可以爲每個國家單獨做到這一點。但是，我無法弄清楚如何將它變成適用於所有州的循環。該幻燈片只有以下代碼：

stateNames[i] <- stateName 

這是我卡住的地方。前一張幻燈片分配了1到i，所以唯一能做的就是獲得阿拉斯加（AK）的名稱，但其他每個元素都是「」（正如人們所期待的那樣，前面定義了stateNames）。

我曾嘗試以下操作：

stateNames <- gsub('state_','',subURL) 
stateNames <-gsub('.html','',stateNames) 

這並不完全工作，因爲這個向量的長度是51，但上面顯示的一個的長度僅爲1。（後來，我想每個州都有自己的名字，而不是所有州都有相同的州名）。此外，我不知道如何處理stateNames(i) <- stateName命令。無論如何，我一直在努力，直到最後（包括原創和修改），希望事情最終能夠正確對待自己（有時候我的表現與展示會上的內容一樣），但最終的結果是剛剛打破）。我認爲幻燈片後面會有一個額外的問題（一個對象是以前不存在的子集），但我猜測問題也是由於發生問題更容易出現的。無論如何，我知道這是一個相當複雜的問題，所以我很抱歉，如果它不適合這個網站。我只是卡住了。

Answer 1

我相信我得到了這個工作。有關解決方案，請參閱gist或參閱here。