Využij jedinečnost ID

Jak víš, ID by měla být na webové stránce jedinečná. Pokud to tak skutečně je, může to výrazně zjednodušit selektory pro web scraping.

Níže je struktura HTML stránky, na kterou můžeš narazit v praxi:

<html>
  <body>
    <div id = 'first'>
      <h1 class = 'big'>Joe Biden</h1>
      <p class = 'first blue'>Democrat</p>
      <p class = 'second blue'>Male</p>
    </div>
    <div id = 'second'>...</div>
    <div id = 'third'>
      <h1 class = 'big'>Donald Trump</h1>
      <p class = 'first red'>Republican</p>
      <p class = 'second red'>Male</p>
    </div>
  </body>
</html>

Stránka už je načtená pomocí read_html() a je dostupná přes proměnnou structured_html.

Toto cvičení je součástí kurzu

Web Scraping v R

Zobrazit kurz

Pokyny k cvičení

Pomocí html_elements() najdi co nejkratší selektor, kterým vyberéš první div v structured_html.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Select the first div
structured_html %>%
  ___

Upravit a spustit kód