[R-br] Mais códigos HTML e função readlines

[Mauro Sznelwar]

Tentei rodar vosso script mas não consegui baixar esta library(RDCOMClient), a mensgem diz que não está disponível para versão R15.1. Por acaso é exclusiva do Linux?


  Henrique, não conhecia essa possibilidade via Internet explorer.
  Bacana, vou testar.


  Em tempo, o que seria "uma instância" e porque só é possível no Windows/Explorer? Alguma questão relacionada à segurança da informação ou coisa do gênero? Apenas curiosidade mesmo.


  Abraços,
  Paulo Nogueira Starzynski


  Em 30 de agosto de 2012 23:36, Henrique Dallazuanna <wwwhsd em gmail.com> escreveu:

    Paulo, 

    Esse é um comportamento das páginas que utilizam carregamento dinâmico (Ajax, jQuery, etc..).

    Uma solução que utilizo neste casos é usar uma instância do Internet Explorer (logo funciona apenas no Windows):

    # Carregando Pacotes
    library(RDCOMClient)
    library(XML)

    # Criando Instancia
    ieApp <- COMCreate("InternetExplorer.Application")

    # Acessando a página
    ieApp$Navigate("http://www.skyscanner.com.br/passagens-aereas/saoa/slz/121002/130409/tarifas-aereas-de-sao-paulo-destino-sao-luis-em-outubro-2012-e-abril-2013.html")

    # Código da Página
    srcHTML <- htmlTreeParse(ieApp$Document()$Body()$OuterHTML(), asText = TRUE, useInternalNodes = TRUE)

    # Partidas e Chegadas
    cbind(unlist(xpathApply(srcHTML, "//span[@class='sta sta-dep' and @mode='flight']", xmlValue)),
          unlist(xpathApply(srcHTML, "//span[@class='sta sta-arr' and @mode='flight']", xmlValue)))


    2012/8/28 Paulo Nogueira <paulons em gmail.com>

      Pessoal, não sei se a lista se presta a esclarecer dúvidas como essa
      minha, mas pelo menos estou usando R para resolver os problemas. rs

      Ultimamente tenho trabalhado bastante com determinadas buscas na web
      para coletar dados e estruturá-los. Porém, como meus conceitos de web
      se restringem ao conhecimento de usuário, e não de desenvolvedor,
      acabo tendo alguns problemas.
      Vou exemplificar uma das minhas dificuldades com um problema prático:

      Utilizar readlines() e os pacores RCurl, XML, etc, para tratar o
      código fonte é algo que já faço até que bem. Mas problemas surgem
      quando o conteúdo que eu preciso extrair de informação não vem no
      código fonte?
      Vejam esse exemplo:
      http://www.skyscanner.com.br/passagens-aereas/saoa/slz/121002/130409/tarifas-aereas-de-sao-paulo-destino-sao-luis-em-outubro-2012-e-abril-2013.html

      Após carregar toda a busca, o site SkyScanner exibe os preços
      encontrados para o trecho São Paulo - São Luis.
      [1] No navegador Firefox ou Chrome, ao clicar em "Exibir Código
      Fonte", não aparecem as informações do vôos, apenas o código que
      estrutura a página.
      [2] Ao clicar em "Inspecionar Elemento" eu consigo analisar o código
      fonte do meu interesse.
      [3] Ao utilizar readlines passando o a url acima o R importa o código
      fonte [1] e não o [2], com as informações de interesse.

      Imagino que isso tenha a ver com as funções de javascript e coisas desse tipo...
      Alguém sabe contornar essa situação com o R? Se não, o que devo
      estudar para agilizar a busca dessa solução? Estou meio perdido nessa
      parte e agradeço ajudas de qualquer tipo. rs

      Peço desculpas se por acaso isso for muito off-topic.
      Abraços,
      Paulo Nogueira

      _______________________________________________
      R-br mailing list
      R-br em listas.c3sl.ufpr.br
      https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
      Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.




    -- 
    Henrique Dallazuanna
    Curitiba-Paraná-Brasil
    25° 25' 40" S 49° 16' 22" O

-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20120901/86505489/attachment.html>