rvest　テーブルの取得不十分について

#Rでのスクレイピングについての質問です。

JRAのサイトの中の、
重賞レースの一覧ページの、
table を rvest を利用してスクレイピングしています。

【　ページURL= https://www.jra.go.jp/datafile/seiseki/replay/2021/jyusyo.html　　】

ここからが問題なのですが、
2002年～2005年のテーブルがなぜか5月までしか取得できません。
2006年以降は問題なくtableすべてを取得できています。

chromeの開発機能を利用し、ページ構成を確認しましたが、
原因であろう特徴は見つけることが出来ませんでした。
######なぜ5月までしか取得できないのか、の理由をご教授頂きたいと存じます。

以下スクレイピングコードになります。

R
1URL   <- "https://www.jra.go.jp/datafile/seiseki/replay/2002/jyusyo.html"   
2URL1  <- read_html(URL,"Shift_JIS")
3node  <- html_nodes(URL1,"table")
4DB    <- data.frame(html_table(node[20]))

ご回答いただけたら幸いでございます。
どうぞ、よろしくお願いいたします。

行動規範の内容に同意します

回答1件

ベストアンサー

ページの途中に不正な文字が紛れ込んでいるようですね。

ダウンロードして、手作業で怪しい部分を除去してから本処理にかければ良いと思います。

投稿2021/01/19 17:39

KojiDoi

総合スコア13671

studentJP

2021/01/20 12:17

ご回答ありがとうございます。スクレイピングにあたり、URL部分を pasete(X,i,Y)とし、for文で処理を行っています。処理の内容としましては、空のdata.frame()に取得したデータを順次、rbind()で追加しています。この処理の中で、この特定の文字列のみを除去することは出来るのでしょか？ご返信いただければ幸いです。