[問題] 零基礎的網頁Parse?

看板R_Language作者Edster (Edster)時間9年前 (2016/06/07 21:39)推噓0(0推 0噓 2→)

留言2則, 1人參與討論串1/3 (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]: 請把以下不需要的部份刪除使用者(已經有用R 做過不少作品) [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我想要將一個網站的表格擷取下來 http://goo.gl/S5P7yO http://goo.gl/pyMNCe 過去我在R的經驗都是讀純文字及或是空間資料. 盲試了兩天，網路教學包含本版上面的文章都看了。但是一來對html格式的不瞭解，讀進來之後要一層層拆解搞得我有點難懂。中間測試了package包括 XML, xml2, 還有版主C大前幾天示範的httr + xml2 我只要抓365日的觀測數值，中文字和下面的統計值都不用。目前的進度如範例，研究了一天半不知如何把這堆格式代碼去除。請問可否給點提示。 [程式範例]: ## method1 f = "http://goo.gl/S5P7y" a = htmlParse(f, encoding = "big5") b = getNodeSet(a, path="//body/div") c = getNodeSet(b[[2]], path="//tr") d = c[[5]] ## method2 tableContent <- GET(f) %>>% content("text", encoding = "BIG5") %>% read_html("BIG5") tableContent %<>% xml_find_all("//body/div/div") xml_structure(tableContent[[2]]) tableContent <- tableContent[[2]] %>% xml_find_all(., "//tr") %>% xml_text(.) tableContent[[5]] [環境敘述]: R: 3.3.0 Rstudio: 0.99.902 OS: Win 10 [關鍵字]: XML, xml2, httr. -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.112.64.48 ※ 文章網址: https://www.ptt.cc/bbs/R_Language/M.1465306795.A.EA4.html ※ 編輯: Edster (140.112.64.48), 06/07/2016 21:40:18 ※ 編輯: Edster (140.112.64.48), 06/07/2016 21:40:36 ※ 編輯: Edster (140.112.64.48), 06/07/2016 21:57:54