善用 ID 的唯一性

如你所知，ID 在同一個網頁中應該是唯一的。若能確保這一點，就能大幅降低爬取時選擇器的複雜度。

以下是你在實務上可能會遇到的 HTML 頁面結構：

<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>

已經替你用 read_html() 讀入，並存放在 structured_html 中。

本練習屬於課程

R 的網頁爬蟲

檢視課程

練習說明

使用 html_elements()，找出能選取 structured_html 中第一個 div 的最短選擇器。

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。

# Select the first div
structured_html %>%
  ___

編輯並執行程式碼