1. ?read_html(url, encoding = "") 下載html頁面, url為網址，encoding為網址編碼

2. ?html_form(x) 解析網頁的表單信息

eg: box_office <- read_html("http://www.boxofficemojo.com/movies/?id=ateam.htm")

? ? ? box_office %>% html_node("form") %>% html_form()

3. ?html_nodes(x, css, xpath)

? ? ?html_node(x, css, xpath) ?從html文件中選取標簽

? ? ?CSS 選擇器參考手冊 http://www.w3school.com.cn/cssref/css_selectors.asp

4. html_text(x) 讀取文本內容

5. html_attr(x)讀取屬性值

library(rvest) #導入rvest包

num <- seq(0, 225, by = 25) #構建0, 25，50，...，225的向量

info <- c()#初始化向量，用于存儲書籍信息

bookname <- c()#初始化向量，用于存儲書名

info1 <- c()#初始化向量，用于存儲循環采集到某一頁的書籍信息

bookname1 <- c()#初始化向量，用于存儲循環采集到某一頁得書名

for(i in num){

url <- paste0("https://book.douban.com/top250?start=",i) ?#構建采集網址

webpage <- read_html(url) #下載網頁內容

info1 <- html_nodes(webpage, "p[class='pl']") %>% html_text() #讀取書籍信息

bookname1 <- html_nodes(webpage, "div[class='pl2'] a") %>% html_text() #讀取書名

info <- c(info, info1) #新采集到的書籍信息，追加到info向量后

bookname <- c(bookname, bookname1) #新采集到的書名信息，追加到bookname向量后

}

topbook250 <- data.frame(bookname, info) #構建數據框