[问题类型]: 程式谘询(我想用R 做某件事情，但是我不知道要怎麽用R 写出来) [软体熟悉度]: 入门(写过其他程式，只是对语法不熟悉) [问题叙述]: 请简略描述你所要做的事情，或是这个程式的目的 # Q:想要撷取出网页中某区块标签所有的文字,包含html标签等内的某一资料 #结果: #撷取出网页内所有同属性的资料... # crawl library ---- library(bitops) library(XML) library(RCurl) # only for windows ----- signatures <- system.file("CurlSSL", cainfo="cacert.pem", package="RCurl") # 网址缩址 http://tinyurl.com/jgoun9c home <- "http://www.expodatabase.com/aussteller/messen/index.php?OK=1&sortierid=0&maxPerPage=20&i_cockpitkeyfindwo=2&i_cockpitkeyfindart=1&currPage=1" home <- getURL(home, cainfo = signatures) home <- htmlParse(home) # 共有20笔的block block <-getNodeSet(home, "//div[@class='shm']") # length(block) # 共20笔 doc <- block[[1]] # 抓取第一笔 # doc # <div class="shm"> # <div class="listdates"> # <div class="date">08Jan-17Jan2016</div> # </div> # <div class="search_result_list_box"> # <div class="city">London, United Kingdom</div> # <div class="firma"><a href="show.php?id=352&amp;timer=m1452657261&amp;tmid=&amp;currPage=1&amp;maxPerPage=20&amp;params=timer%3Dm1452657261%26amp%3Btimer%3Dm1452657261%26amp%3Bi_cockpitkeyfindwo%3D2%26amp%3Bi_cockpitkeyfindart%3D1%26amp%3Bsortierid%3D0%26amp%3Btimer%3Dm1452657261%26amp%3BmaxPerPage%3D20%26amp%3BshowPrintlist%3D0%26amp%3BmaxPerPage%3D20">London Boat Show</a></div> # </div> # <div class="search_result_box_right"> # <div class="branchen"><strong>Business sectors:</strong> Boats</div> # </div> # <div class="fixfloat"></div> # </div> # 想要抓取 block[[1]]笔的 class="date" 的 08Jan-17Jan2016 date <- xpathSApply(doc, "//div[@class='date']", xmlValue) # 结果秀出网页内全部 date 的资料 # [1] "08Jan-17Jan2016" "08Jan-17Jan2016" "09Jan-17Jan2016" "07Jan-15Jan2017" "06Jan-14Jan2018" # [6] "09Jan-17Jan2016" "09Jan-17Jan2016" "09Jan-17Jan2016" "09Jan-17Jan2016" "10Jan-13Jan2016" # [11] "10Jan-13Jan2016" "10Jan-13Jan2016" "10Jan-13Jan2016" "11Jan-13Jan2016" "11Jan-13Jan2016" # [16] "11Jan-13Jan2016" "11Jan-14Jan2016" "11Jan-14Jan2016" "11Jan-14Jan2016" "11Jan-14Jan2016" # [21] "11Jan-14Jan2016" "11Jan-24Jan2016" "09Jan-22Jan2017" 我的问题是, doc <- block[[1]] 不是己经抓取出 於 block 中第一笔资料并且储存在doc中吗? 结果用 xpathSpply 撷出来的..竟然是网页中 date 全部资料? 想请教一下, 我该用那一个函数或方法才能只抓到 block[[1]]中 xml的资料? 并且解析出 date 为 08Jan-17Jan2016 ? 谢谢 #线上程式: # http://ideone.com/ZqHAqr -- --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 211.73.74.11 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/R_Language/M.1452657983.A.FDA.html ※ 编辑: corel (211.73.74.11), 01/13/2016 14:45:55 ※ 编辑: corel (211.73.74.11), 01/13/2016 14:46:30 ※ 编辑: corel (211.73.74.11), 01/13/2016 14:47:56