作者Edster (Edster)
看板R_Language
標題[問題] 零基礎的網頁Parse?
時間Tue Jun 7 21:39:51 2016
[問題類型]:
程式諮詢(我想用R 做某件事情，但是我不知道要怎麼用R 寫出來)
[軟體熟悉度]:
請把以下不需要的部份刪除
使用者(已經有用R 做過不少作品)
[問題敘述]:
請簡略描述你所要做的事情，或是這個程式的目的
我想要將一個網站的表格擷取下來
http://goo.gl/S5P7yO
http://goo.gl/pyMNCe
過去我在R的經驗都是讀純文字及或是空間資料.
盲試了兩天，網路教學包含本版上面的文章都看了。
但是一來對html格式的不瞭解，讀進來之後要一層層拆解搞得我有點難懂。
中間測試了package包括 XML, xml2, 還有版主C大前幾天示範的httr + xml2
我只要抓365日的觀測數值，中文字和下面的統計值都不用。
目前的進度如範例，研究了一天半不知如何把這堆格式代碼去除。
請問可否給點提示。
[程式範例]:
## 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]]
[環境敘述]:
R: 3.3.0
Rstudio: 0.99.902
OS: Win 10
[關鍵字]:
XML, xml2, httr.
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.112.64.48
※ 文章網址: https://webptt.com/m.aspx?n=bbs/R_Language/M.1465306795.A.EA4.html
※ 編輯: Edster (140.112.64.48), 06/07/2016 21:40:18
※ 編輯: Edster (140.112.64.48), 06/07/2016 21:40:36
※ 編輯: Edster (140.112.64.48), 06/07/2016 21:57:54
1F：→ Edster: 補充一下, XML的範例不能執行, xml2的範例簡單了些. 06/07 23:26
2F：→ Edster: xml2只看範例跟說明檔真不曉得該如何把function串起來. 06/07 23:27