Les limites de html_table() avec des tableaux mal structurés
Parfois, vous voulez seulement sélectionner le texte qui est un descendant direct d'un élément parent. Dans le tableau suivant, toutefois, le nom du rôle est enveloppé dans une balise em. Mais sa fonction, p. ex. « Voice », se trouve aussi dans le même élément td que la partie em, ce qui n'est pas idéal pour interroger les données.
Voici un extrait du code HTML :
<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>
Dans cet exercice, vous allez tenter d'extraire le tableau à l'aide d'une fonction connue de rvest. Cela vous permettra d'en constater les limites.
La variable roles_html contient le document avec le tableau.
Cette activité fait partie du cours
Extraction de données Web en R
Instructions de l’exercice
- Essayez d'extraire un cadre de données à partir du tableau avec une fonction vue au premier chapitre.
- Examinez le cadre de données obtenu.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Extract the data frame from the table using a known function from rvest
roles <- roles_html %>%
html_element(xpath = "//___") %>%
___()
# Print the contents of the role data frame
___