Re: [R-br] Tratar código HTML no R

29 Nov 2011


      Benilton e Henrique, estou conseguindo progredir.
Muito obrigado.

abs
Paulo

Em 28 de novembro de 2011 21:47, Henrique Dallazuanna
<wwwhsd@gmail.com>escreveu:
...
Paulo,
Você pode fazer uso do XPATH do pacote XML:
Lines <- '<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>'
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
_______________________________________________
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.