Olá Vinícios,

A um tempo atrás usei este código:

require(XML)
require(tm)
library(RCurl)
library(RTidyHTML)

u = "http://observatoriodaimprensa.com.br/news/view/_ed716_as_pesquisas_e_a_volatilidade_das_nuvens"

doc.raw <- getURL(u)
html <- htmlTreeParse(doc.raw, useInternal = TRUE, encoding = character())
txt <- xpathApply(html, "//body//text()[not(ancestor::script)][not(ancestor::style)][not(ancestor::noscript)]", xmlValue)

---

Atenciosamente,

Raphael Saldanha

rfsaldanha@outlook.com

From: viniciusbritor@gmail.com
Date: Sun, 18 Aug 2013 21:11:04 -0300
To: r-br@listas.c3sl.ufpr.br
Subject: [R-br] Text Mining

Pessoal,

sabe me dizer se no pacote tm ou no RCurl, existe alguma função para extrair o conteúdo de uma pagina baixada via getURL? Ou seja, apenas o texto do corpo principal da página.

Abs

Vinicius Brito Rocha.
Estatístico e Atuário
M.Sc. Engenharia de Produção/PO

_______________________________________________ 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 forne�a c�digo m�nimo reproduz�vel.