c 抓取网页数据(用rvest简单提取文本内容(图)拆分(组图))

　　c 抓取网页数据(用rvest简单提取文本内容(图)拆分(组图))

　　一篇短文，涵盖了数据采集、数据清洗、数据展示的*敏*感*词*。数据主要展示了2016年中国前100个地级市的GDP、增长率、区域分布密度图三个维度。

　　library(plyr)

library(rvest)

library(stringr)

library("data.table")

library(dplyr)

　　随便找一篇微信短文，复制网址链接，直接在浏览器打开

　　/ s的？__ BIZ = MzI1ODM5NTQ1Mw ==＆中期= 2247484083＆IDX = 1＆SN = ba4f4b10af3e4d6ed45f4d04edc30980＆chksm = ea099ee1dd7e17f717afffdb3a3ff82c6e4e6bd5251601f0gc6e4e6ed45f4d04edc30980＆chksm = ea099ee1dd7e17f717afffdb3a3ff82c6e4e6bd5251601f4c6e4e6d5251601f4f0c6e4e6d5d5m1f0g8f0c6e4e6d5fb8rqf0c6e4e6d5d5b8cd4f0c6e1

　　使用rvest简单提取文本内容

　　web%html_text()

　　网页抓取阶段完成后，接下来将进入数据清洗阶段：

　　#------------------------------------------------- -------------------------------------------------- ---

　　仔细观察文本向量，我们可以发现我们需要的城市数据都是以数字开头（1到3位不等），第七行也是以一个数据字开头（2017年1月20日），使用正则表示为准确匹配，将所有标点符号（记住中文标点符号）替换为逗号（英文），可以作为以后进行列拆分的依据（也可以自定义拆分符号）

<p>a