作者Edster (Edster)
看板R_Language
标题[问题] 零基础的网页Parse?
时间Tue Jun 7 21:39:51 2016
[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]:
请把以下不需要的部份删除
使用者(已经有用R 做过不少作品)
[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
我想要将一个网站的表格撷取下来
http://goo.gl/S5P7yO
http://goo.gl/pyMNCe
过去我在R的经验都是读纯文字及或是空间资料.
盲试了两天，网路教学包含本版上面的文章都看了。
但是一来对html格式的不了解，读进来之後要一层层拆解搞得我有点难懂。
中间测试了package包括 XML, xml2, 还有版主C大前几天示范的httr + xml2
我只要抓365日的观测数值，中文字和下面的统计值都不用。
目前的进度如范例，研究了一天半不知如何把这堆格式代码去除。
请问可否给点提示。
[程式范例]:
## method1
f = "http://goo.gl/S5P7y"
a = htmlParse(f, encoding = "big5")
b = getNodeSet(a, path="//body/div")
c = getNodeSet(b[[2]], path="//tr")
d = c[[5]]
## method2
tableContent <-
GET(f) %>>% content("text", encoding = "BIG5") %>% read_html("BIG5")
tableContent %<>% xml_find_all("//body/div/div")
xml_structure(tableContent[[2]])
tableContent <- tableContent[[2]] %>% xml_find_all(., "//tr") %>% xml_text(.)
tableContent[[5]]
[环境叙述]:
R: 3.3.0
Rstudio: 0.99.902
OS: Win 10
[关键字]:
XML, xml2, httr.
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 140.112.64.48
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/R_Language/M.1465306795.A.EA4.html
※ 编辑: Edster (140.112.64.48), 06/07/2016 21:40:18
※ 编辑: Edster (140.112.64.48), 06/07/2016 21:40:36
※ 编辑: Edster (140.112.64.48), 06/07/2016 21:57:54
1F：→ Edster: 补充一下, XML的范例不能执行, xml2的范例简单了些. 06/07 23:26
2F：→ Edster: xml2只看范例跟说明档真不晓得该如何把function串起来. 06/07 23:27