Introduction à XPATH

Web scraping en R

Timo Grossenbacher

Instructor

XML Path Language

Un chemin dans un arbre HTML se formule, p. ex. //div/p[@class = "blue"] (équivalent à div > p.blue)
Sélectionner des nœuds selon les propriétés d'autres nœuds
Sélections plus avancées et personnalisées possibles
Exemple : sélectionner des éléments selon les propriétés de leurs enfants, p. ex. uniquement les div contenant des nœuds a avec une classe special

Un arbre HTML simple où tous les éléments p sont sélectionnés

html %>%
    html_elements(xpath = '//p')
# Équivalent sélecteur CSS : p

html %>%
    html_elements(xpath = '//body//p')
# Équivalent sélecteur CSS : body p

html %>%
    html_elements(xpath = '/html/body//p')
# Équivalent sélecteur CSS : html > body p

Un arbre HTML simple où seuls les éléments p sous des div sont sélectionnés

html %>%
    html_elements(xpath = '//div/p')
# Équivalent sélecteur CSS : div > p

Un arbre HTML simple où seuls les div avec des enfants a sont sélectionnés

html %>%
    html_elements(xpath = '//div[a]')
# Équivalent sélecteur CSS : aucun

Web scraping en R