［R］ウェブサイトのページの表の中身を読み取る

rvectパッケージのhtml_table関数を使う。あらかじめread_html関数でページを読み取っておくこと。以下は、宮内庁の公式ウェブサイトの天皇皇后両陛下の紹介ページを2025年9月に抜き出した例。ページ内に表は四つあり、一つ目と二つ目の中身をそれぞれ表示している。ページから表は一括でしか読み取れないが、その際、表にヘッダ行がある場合は、headerオプションにTRUEを指定すること。

> library(rvest)
> html <- read_html("https://www.kunaicho.go.jp/about/history/history02.html")
> tbl <- html |> html_table(header = FALSE)
> length(tbl)
[1] 4
> mode(tbl)
[1] "list"
> tbl[[1]] |> as.data.frame() |> head(8)
          X1                            X2
1     お名前              徳仁（なるひと）
2     お続柄                 上皇第1皇男子
3   お誕生日               昭和35年2月23日
4     ご称号            浩宮（ひろのみや）
5       お印                  梓（あずさ）
6     成年式 昭和55年2月23日（ご年齢20歳）
7 立太子の礼                平成3年2月23日
8     ご即位                令和元年5月1日
> tbl[[2]] |> as.data.frame() |> head(5)
          X1                                X2
1     お名前                    雅子（まさこ）
2     お続柄 小和田恆（おわだひさし）氏第1女子
3   お誕生日                   昭和38年12月9日
4       お印                          ハマナス
5 総裁職など             日本赤十字社 名誉総裁