1. Học hỏi
    2. /
  2. Khoa Học
    3. /
  3. Web Scraping v R
Connected

Bài tập

Přímý výběr z nadřazeného prvku pomocí funkce text() v XPATHu

V tomto cvičení budeš pracovat se stejnou tabulkou. Tentokrát ale z ní vytáhneš informace o funkci v závorkách do samostatného sloupce – výsledný datový rámec tedy bude mít ne dva, ale tři sloupce: herce, role a funkce.

K tomu budeš potřebovat konkrétní funkci XPATHu, kterou jsme si ukázali ve videu, místo funkce html_table(). Ta totiž v praxi často nefunguje správně, pokud HTML element table není dobře strukturovaný – což je právě náš případ.

Pro připomenutí, tady je výňatek z HTML kódu tabulky:

<table>
 <tr>
  <th>Actor</th>
  <th>Role</th>
 </tr>
 <tr>
  <td class = 'actor'>Jayden Carpenter</td>
  <td class = 'role'><em>Mickey Mouse</em> (Voice)</td>
 </tr>
 ...
</table>

V tomto cvičení obsahuje proměnná roles_html HTML dokument s jeho elementem table.

Hướng dẫn 1/2

undefined XP
    1
    2
  • Nejprve z tabulky extrahuj herce a role pomocí XPATHu.