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*
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_volat..." 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.
obrigado. vou dar uma olhada. Em 19 de agosto de 2013 08:23, Raphael Saldanha <rfsaldanha@outlook.com>escreveu:
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_volat... "
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.
_______________________________________________ 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.
-- *Vinicius Brito Rocha.* *Estatístico e Atuário ** M.Sc. Engenharia de Produção/PO*
participantes (2)
-
Raphael Saldanha -
Vinicius Brito Rocha