XPATH の text() で親要素から直接選択する

この演習では、前と同じ表を扱います。今回は、かっこ内の機能情報を独立した列として取り出し、俳優名、役名、機能の3列を持つデータフレームを抽出します（2列ではありません）。

そのために、動画で紹介した特定の XPATH 関数を html_table() の代わりに使います。html_table() は、ここでのように HTML の table 要素の構造が整っていないと、実務ではうまく動かないことが多いからです。

参考として、表の HTML 抜粋を再掲します。

<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>

この演習では、roles_html 変数に table 要素を含む HTML ドキュメントが入っています。

この演習はコースの一部です

Rで学ぶWebスクレイピング

コースを見る

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# 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

コードを編集して実行