Sélectionner directement à partir d'un élément parent avec la fonction text() de XPATH

Dans cet exercice, vous allez travailler avec le même tableau. Cette fois, vous allez extraire l'information sur la fonction entre parenthèses dans sa propre colonne. Vous devez donc créer un tableau de données avec non pas deux, mais trois colonnes : acteurs, rôles et fonctions.

Pour ce faire, vous devrez utiliser la fonction XPATH spécifique présentée dans la vidéo plutôt que html_table(), qui, en pratique, fonctionne souvent mal lorsque l'élément HTML table est mal structuré, comme c'est le cas ici.

Pour référence, voici de nouveau un extrait du HTML du tableau :

<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, la variable roles_html contient le document HTML avec son élément table.

Cette activité fait partie du cours

Extraction de données Web en R

Voir le cours

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Extract the actors in the cells having class "actor"
actors <- roles_html %>% 
  html_elements(xpath = '//table//td[@class = "actor"]') %>%
  html_text()
actors

# Extract the roles in the cells having class "role"
roles <- roles_html %>% 
  html_elements(xpath = '//table//td[@class = "___"]/___') %>% 
  ___()
roles

Modifier et exécuter le code