使用 XPATH 的 text() 從父層元素直接擷取

在這個練習中，你會繼續處理同一個表格。這次，你要把括號中的 function 資訊拆出成獨立欄位，所以需要擷取出含有三個欄位的資料框：actors、roles，以及 functions，而不是只有兩個欄位。

為了達成這個目標，你需要使用影片中介紹的特定 XPATH 函式，而不是用 html_table()。當 HTML 的 table 元素結構不佳時（就像這裡的情況），html_table() 在實務上常常行不通。

供你參考，以下再次提供表格 HTML 的節錄：

<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>

在這個練習中，變數 roles_html 已包含帶有 table 元素的 HTML 文件。

本練習屬於課程

R 的網頁爬蟲

檢視課程

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# 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

編輯並執行程式碼