Re: [問題] 零基礎的網頁Parse?

看板R_Language作者psinqoo (零度空間)時間9年前 (2016/06/11 00:05)推噓0(0推 0噓 1→)

留言1則, 1人參與討論串3/3 (看更多)

之前看到想回，放假回一下，你參考我是用這樣子做法我是用 Ubuntu 所以沒 big5問題 (很討厭微軟，每次都是卡在轉碼，囧。) 我猜原網頁是用 utf8 所以在轉碼出問題 library(XML) library(httr) library(rvest) library(xml2) x1 <-GET("http://gweb.wra.gov.tw/ebooks/ebook/hyb2000/1140H058.htm") x2<-html(x1) tables<-html_nodes(x2,"table") y1<-html_table(tables) y1 #請自行挑想用的表格 y1<-html_table(tables[2]) sessionInfo() R version 3.2.3 (2015-12-10) Platform: x86_64-pc-linux-gnu (64-bit) Running under: Ubuntu 14.04.3 LTS 收工 ----- http://128.199.74.32:3838/ ※ 引述《Edster (Edster)》之銘言： : [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: 111.83.0.245 ※ 文章網址: https://www.ptt.cc/bbs/R_Language/M.1465574759.A.33B.html ※ 編輯: psinqoo (111.83.0.245), 06/11/2016 00:06:37