Olá Leonardo, montei um rápido exemplo que, acredito, possa te inspirar. library("rvest") lattes.extract <- function(id){ # Extração do código fonte url.fonte <- html(paste("http://lattes.cnpq.br/", id, sep="")) # Nome nome <- html_text(html_nodes(url.fonte, xpath="/html/body/div[1]/div[3]/div/div/div/div[3]/div/div[2]/div"), encoding="UTF8") # Resumo resumo <- html_text(html_nodes(url.fonte, xpath="/html/body/div[1]/div[3]/div/div/div/div[2]/p"), encoding="UTF8") # Endereço Profissional endereco <- html_text(html_nodes(url.fonte, xpath="/html/body/div[1]/div[3]/div/div/div/div[4]/div/div[2]/div"), encoding="UTF8") # Extraindo apena primeira formação (é possível todas, incluindo os anos) formacao <- html_text(html_nodes(url.fonte, xpath="/html/body/div[1]/div[3]/div/div/div/div[5]/div/div[2]/div"), encoding="UTF8") return (cbind(nome, resumo, endereco, formacao)) } lista.ids <- c(7141811368487014, 5235908630509803, 8039053295273558) tabela.saida <- do.call(rbind.data.frame, lapply(lista.ids, lattes.extract)) View(tabela.saida) Abraços, Paulo Em 24 de março de 2015 02:34, L N <leofn3@gmail.com> escreveu:
Caros,
Antes de tudo peço mil desculpas pela imensa ignorância que me assola: sou de ciências sociais e não de programação. Segui a sugestão desta lista e utilizei o rvest como indicaram.
install.packages("rvest") library("rvest") Leolattes <- html("http://lattes.cnpq.br/7141811368487014") Leolattes
Leolattes %>% html_nodes(".nome") %>% html_text() [1] "Leonardo Fernandes Nascimento"
Deste modo, consigo extrair os dados individualizados: nome, resumo, produção, etc. do Lattes. Mas tenho alguns problemas:
1 - Como unificar as informações em uma tabela: Nome, Resumo, Endereço, etc. Não acertei usar o html_table().
2 - Vou extrair mais de 300 CV Lattes, já tenho uma lista com todas as ID Lattes. Há como fazer um "for" utilizando o rvest e jogar tudo para uma tabela? Caso alguém responda posso colocá-lo como um dos autores do artigo. Abs Leonardo
Em 22 de março de 2015 12:03, L N <leofn3@gmail.com> escreveu:
Olá Pessoal,
Alguém que saiba extrair os CV Lattes (XML) via R? Tenho listagem de todos os endereços e quero montar um banco de dado com isso. Há o ScriptLattes para Python mas eu já tentei e não consegui. Abs,
*Leonardo F. Nascimento*
_______________________________________________ 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.