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.