ルーピングでWikipediaのデータをR

Question

私は分析の有名人/著名な死者に関するデータを抽出しようとしています。ウィキペディアは、著しい死の日々に関するhtmlパスに非常に規則的な構造を持っています。それは次のようになります。たとえば

https://en.wikipedia.org/wiki/Deaths_in_"MONTH"_"YEAR" 

、このリンクは、私は「」#mwを私はする必要がリストのCSSの場所に位置している月の顕著な死亡、2014

https://en.wikipedia.org/wiki/Deaths_in_March_2014 

につながります-content-text h3 + ul li "を探し、特定のリンクのためにそれを抜き出しました。今、私は選択した月と何年もの間、ループを作成しようとしています。 2015年にテストするときにエラーが発生する。

library(rvest) 
data = data.frame() 
mlist = c("January","February","March","April","May","June","July","August", 
       "September","October","November","December") 

for (y in 2015:2015){ 
    for (m in 1:12){ 
    site = read_html(paste("https://en.wikipedia.org/wiki/Deaths_in_",mlist[m], 
      "_",y,collapse="")) 
    fnames = html_nodes(site,"#mw-content-text h3+ ul li") 
    text = html_text(fnames) 
    data = rbind(data,text,stringsAsFactors=FALSE) 
     } 
} 

それは明確に、このビットに関連していますので、エラーが返されません

data = rbind(data,text,stringsAsFactors=FALSE) 

：

私は行をコメントアウトするとき。私は他のコメントのために私の全体のコードを投稿しています。ここでの目標は何年ものループを繰り返し、その後数年間と数ヶ月にわたる流通に焦点を当てることです。このためには、年齢、月、および年を守るだけです。

ありがとうございました！

編集：申し訳ありませんが、技術的には警告でエラーではありません。私はそれらの50以上を取得し、私は "データ"を見てみると、それは巨大な混乱です。

特定のURLのループとしてではなく、このコードを実行すると、正常に動作し、読み取り可能な出力が返されます。ここで

site = read_html("https://en.wikipedia.org/wiki/Deaths_in_January_2015") 
fnames = html_nodes(site,"#mw-content-text h3+ ul li") 
text = html_text(fnames) 

は、そのデータ・セットからの行のカップルです：

text[1:5] 
[1] "Barbara Atkinson, 88, British actress (Z-Cars).[1]"           
[2] "Staryl C. Austin, 94, American air force brigadier general.[2]"        
[3] "Ulrich Beck, 70, German sociologist, heart attack.[3]"          
[4] "Fiona Cumming, 77, British television director (Doctor Who).[4]"        
[5] "Eric Cunningham, 65, Canadian politician, Ontario MPP for Wentworth North (1975–1984).[5]" 

Answer 1

html_text(fnames)は配列を返します。あなたの問題は、配列をデータフレームに追加しようとしています。
は、追加する前に、データフレームにあなたの変数textを変換してみてください。

for (y in 2015:2015){ 
    for (m in 1:12){ 
    site = read_html(paste("https://en.wikipedia.org/wiki/Deaths_in_",mlist[m], 
      "_",y,collapse="")) 
    fnames = html_nodes(site,"#mw-content-text h3+ ul li") 
    text = html_text(fnames) 

    temp<-data.frame(text, stringsAsFactors = FALSE) 

    data = rbind(data,temp) 
    } 
} 

これは、パフォーマンス上の理由のための最高の技術ではありません。ループを通過するたびに、パフォーマンスを低下させるデータフレームのメモリが再割り当てされます。これは、これが1回限りのイベントであり、この場合は管理可能な要求の数が制限されています。

Answer 2

私はあなたが得た同じエラーを取得することができませんでしたが、私はあなたが何をしたいのかを知っていると思います。

私はこれが毎月の死者数の不平等と関係があると感じています。

私は、これは、各月の死亡者のための文字のリストを作成

mlist = c("January","February","March","April","May","June","July","August", 
     "September","October","November","December") 

for (y in 2015:2015){ 
    for (m in 1:12){ 
    site = read_html(paste("https://en.wikipedia.org/wiki/Deaths_in_",mlist[m], 
         "_",y,collapse="")) 
    fnames = html_nodes(site,"#mw-content-text h3+ ul li") 
    text = html_text(fnames) 
    assign(mlist[m],text) 
    } 
} 

このようにそれをやってお勧めしたいです。

代替（簡単に使用するために、後でそれらを結合するために、ループ内の）リストを使用することです：

個人的に

data = vector("list",12) 
mlist = c("January","February","March","April","May","June","July","August", 
     "September","October","November","December") 

for (y in 2015:2015){ 
    for (m in 1:12){ 
    site = read_html(paste("https://en.wikipedia.org/wiki/Deaths_in_",mlist[m], 
         "_",y,collapse="")) 
    fnames = html_nodes(site,"#mw-content-text h3+ ul li") 
    text = html_text(fnames) 
    data[[m]] = text 
    } 
} 

、私はR.でリストを扱う好きではない。しかし、これはあると思われます最高の回避策。