Lines <- '<div id="individual-completo">
<div class="title-box">
<div>
<div class="colright">
<span>Participações: 22</span>
</div>
<h2>NomeElemento</h2>
<p class="tflag"><img src="
http://team" /> <a href="/refteam">NomeGrupo</a></p>
<p>NomeFunção</p>
</div>
</div>
<div class="content-box">
<h2>Desempenho completo</h2>
<table cellspacing="0" cellpadding="0">
<tbody>
<tr>
<th>Parâmetro1</th>
<td><span gestor="param1">2</span></td>
</tr>
<tr class="divisor">
<td colspan="2"> </td>
</tr>
<tr>
<th>Parâmetro2</th>
<td><span gestor="param2">63</span></td>
</tr>
<tr class="odd">
<th>Parâmetro3</th>
<td><span gestor="param3">87</span></td>
</tr>
<tr class="divisor">
<td colspan="2"> </td>
</tr>
<tr class="destaque">
</tbody>
</table>
</div>
</div>'
h <- htmlTreeParse(Lines, useInternalNodes = TRUE)
matrix(xpathApply(h, "//th|//td//span", xmlValue), ncol = 2, byrow = TRUE)
2011/11/27 Paulo Nogueira
<paulons@gmail.com>
Saudações a todos!
Preciso aprender como tratar HTML no R para identificar alguns padrões na estrutura do código, extrair e guardar determinadas informações.
Alguém costuma fazer algo do tipo e poderia informar os pacotes mais indicados para esse trabalho?
Terei de acessar cerca de 300 páginas semanalmente, e extrais alguns parâmetros.
O HTML abaixo é um trecho do código que terei de lidar, e preciso extrair as informações destacadas.
Alguém pode me sugerir o início do caminho das pedras, como algum pacote e/ou funções específicas?
<div id="individual-completo">
<div class="title-box">
<img src="http://address.jpg" gestor="foto" class="foto" />
<div>
<div class="colright">
<span>Participações: 22</span>
<a href="http://players" class="visite">Saiba Mais</a>
</div>
<h2>NomeElemento</h2>
<p class="tflag"><img src="http://team" /> <a href="/refteam">NomeGrupo</a></p>
<p>NomeFunção</p>
</div>
</div>
<div class="content-box">
<h2>Desempenho completo</h2>
<table cellspacing="0" cellpadding="0">
<tbody>
<tr>
<th>Parâmetro1</th>
<td><span gestor="param1">2</span></td>
</tr>
<tr class="divisor">
<td colspan="2"> </td>
</tr>
<tr>
<th>Parâmetro2</th>
<td><span gestor="param2">63</span></td>
</tr>
<tr class="odd">
<th>Parâmetro3</th>
<td><span gestor="param3">87</span></td>
</tr>
<tr class="divisor">
<td colspan="2"> </td>
</tr>
<tr class="destaque">
</tbody>
</table>
</div>
</div>
Obrigado
_______________________________________________
R-br mailing list
R-br@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
