ID の一意性を活用する
ご存じのとおり、ID はウェブページ内で一意であるべきです。これが確実であれば、スクレイピングに使うセレクタの複雑さを大きく減らせます。
次は、実際に遭遇しそうな HTML ページの構造です。
<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>
この HTML は read_html() で読み込み済みで、structured_html として利用できます。
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
演習の手順
html_elements()を使って、structured_htmlの最初のdivを選択するための、できるだけ短いセレクタを見つけてください。
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。
# Select the first div
structured_html %>%
___