问：

我正在尝试抓取网站上每个名称的名称、地址和经度/纬度坐标（例如 www.mywebsite.com）。我使用以下代码根据此 SO 帖子获取地址和名称

library(tidyverse)
library(rvest)
library(httr)
library(XML)

# Define function to scrape 1 page
get_info <- function(page_n) {
  
  cat("Scraping page ", page_n, "\n")
  
  page <- paste0("mywebsite.com",
    page_n, "?extension") %>% read_html
  
  tibble(title = page %>%
           html_elements(".title a") %>%
           html_text2(),
         adress = page %>%  
           html_elements(".marker") %>% 
           html_text2(),
         page = page_n)
}

# Apply function to pages 1:10
df_1 <- map_dfr(1:10, get_info)

# Check dimensions
dim(df_1)
[1] 90 

由于我不知道如何修改上面的代码来提取坐标，所以我写了一个单独的脚本来抓取它们：

# Recognize pattern in websites
part1 = "www.mywebsite.com"
part2 = c(0:55)
part3 = "?extension"
temp = data.frame(part1, part2, part3)

# Create list of websites
temp$all_websites = paste0(temp$part1, temp$part2, temp$part3)

# Scrape
df_2 <- list()

for (i in 1:10)
    
{tryCatch({
    
    url_i <-temp$all_websites[i]
    
    page_i <-read_html(url_i)
    
    b_i = page_i %>% html_nodes("head")
    
    listanswer_i <- b_i %>% html_text() %>% strsplit("\\n")
    
    df_2[[i]] <- listanswer_i
    
    print(listanswer_i)
    
}, error = function(e){})
    
}

# Extract long/lat from results

lat_long = grep("LatLng", unlist(df_2[]), value = TRUE)


 df_2 = data.frame(str_match(lat_long, "LatLng(\\s*(.*?)\\s*);"))

最后，抓取前 10 页的名称/地址会得到 90 个条目，但抓取相同的 10 页的经度/纬度会得到 96 个条目：

dim(df_1)
[1] 90 

dim(df_2)
[1] 96  3

有人可以帮我了解为什么会发生这种情况以及我能做些什么来解决这个问题吗？

最后，我会制作一个最终表（使用 df_1 和 df_2），如下所示：

 id  name  address  long  lat
1  1 name1 address1 long1 lat1
2  2 name2 address2 long2 lat2
3  3 name3 address3 long3 lat3

谢谢！

注意：我知道有些名称可能缺少纬度/经度，并且“df_1”的尺寸可能无法与“df_2”的尺寸匹配。如果是这种情况，是否有可能以某种方式找出哪些名称缺少纬度/经度（例如，在这些情况下将纬度/经度条目替换为 NULL）？例如，假设纬度/经度不适用于“name3”：

 id  name  address  long  lat
1  1 name1 address1 long1 lat1
2  2 name2 address2 long2 lat2
3  3 name3 address3   NA   NA