[問題] 擷取網頁內的某一筆資料

看板R_Language作者corel (可羅)時間9年前 (2016/01/13 12:06)推噓1(1推 0噓 2→)

留言3則, 2人參與討論串1/2 (看更多)

[問題類型]: 程式諮詢(我想用R 做某件事情，但是我不知道要怎麼用R 寫出來) [軟體熟悉度]: 入門(寫過其他程式，只是對語法不熟悉) [問題敘述]: 請簡略描述你所要做的事情，或是這個程式的目的 # Q:想要擷取出網頁中某區塊標籤所有的文字,包含html標籤等內的某一資料 #結果: #擷取出網頁內所有同屬性的資料... # crawl library ---- library(bitops) library(XML) library(RCurl) # only for windows ----- signatures <- system.file("CurlSSL", cainfo="cacert.pem", package="RCurl") # 網址縮址 http://tinyurl.com/jgoun9c home <- "http://www.expodatabase.com/aussteller/messen/index.php?OK=1&sortierid=0&maxPerPage=20&i_cockpitkeyfindwo=2&i_cockpitkeyfindart=1&currPage=1" home <- getURL(home, cainfo = signatures) home <- htmlParse(home) # 共有20筆的block block <-getNodeSet(home, "//div[@class='shm']") # length(block) # 共20筆 doc <- block[[1]] # 抓取第一筆 # doc # <div class="shm"> # <div class="listdates"> # <div class="date">08Jan-17Jan2016</div> # </div> # <div class="search_result_list_box"> # <div class="city">London, United Kingdom</div> # <div class="firma"><a href="show.php?id=352&timer=m1452657261&tmid=&currPage=1&maxPerPage=20&params=timer%3Dm1452657261%26amp%3Btimer%3Dm1452657261%26amp%3Bi_cockpitkeyfindwo%3D2%26amp%3Bi_cockpitkeyfindart%3D1%26amp%3Bsortierid%3D0%26amp%3Btimer%3Dm1452657261%26amp%3BmaxPerPage%3D20%26amp%3BshowPrintlist%3D0%26amp%3BmaxPerPage%3D20">London Boat Show</a></div> # </div> # <div class="search_result_box_right"> # <div class="branchen"><strong>Business sectors:</strong> Boats</div> # </div> # <div class="fixfloat"></div> # </div> # 想要抓取 block[[1]]筆的 class="date" 的 08Jan-17Jan2016 date <- xpathSApply(doc, "//div[@class='date']", xmlValue) # 結果秀出網頁內全部 date 的資料 # [1] "08Jan-17Jan2016" "08Jan-17Jan2016" "09Jan-17Jan2016" "07Jan-15Jan2017" "06Jan-14Jan2018" # [6] "09Jan-17Jan2016" "09Jan-17Jan2016" "09Jan-17Jan2016" "09Jan-17Jan2016" "10Jan-13Jan2016" # [11] "10Jan-13Jan2016" "10Jan-13Jan2016" "10Jan-13Jan2016" "11Jan-13Jan2016" "11Jan-13Jan2016" # [16] "11Jan-13Jan2016" "11Jan-14Jan2016" "11Jan-14Jan2016" "11Jan-14Jan2016" "11Jan-14Jan2016" # [21] "11Jan-14Jan2016" "11Jan-24Jan2016" "09Jan-22Jan2017" 我的問題是, doc <- block[[1]] 不是己經抓取出於 block 中第一筆資料並且儲存在doc中嗎? 結果用 xpathSpply 擷出來的..竟然是網頁中 date 全部資料? 想請教一下, 我該用那一個函數或方法才能只抓到 block[[1]]中 xml的資料? 並且解析出 date 為 08Jan-17Jan2016 ? 謝謝 #線上程式: # http://ideone.com/ZqHAqr -- -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 211.73.74.11 ※ 文章網址: https://www.ptt.cc/bbs/R_Language/M.1452657983.A.FDA.html ※ 編輯: corel (211.73.74.11), 01/13/2016 14:45:55 ※ 編輯: corel (211.73.74.11), 01/13/2016 14:46:30 ※ 編輯: corel (211.73.74.11), 01/13/2016 14:47:56