Die Eindeutigkeit von IDs nutzen

Wie du weißt, sollten IDs auf einer Webseite eindeutig sein. Wenn du sicherstellen kannst, dass das der Fall ist, reduziert das die Komplexität deiner Scraping-Selektoren drastisch.

Hier ist die Struktur einer HTML-Seite, die dir „in freier Wildbahn“ begegnen könnte:

<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>

Die Seite wurde mit read_html() eingelesen und steht dir als structured_html zur Verfügung.

Diese Übung ist Teil des Kurses

<Kurs>Web Scraping in R</Kurs>

Kurs ansehen

Übungsanweisungen

Finde mit html_elements() den kürzest möglichen Selektor, um das erste div in structured_html auszuwählen.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Select the first div
structured_html %>%
  ___

Code bearbeiten und ausführen