Introdução ao XPATH

Web Scraping em R

Timo Grossenbacher

Instructor

XML Path Language

Um caminho em uma árvore HTML é formulado, por exemplo, //div/p[@class = "blue"] (equivalente a div > p.blue)
Selecione nós com base nas propriedades de outros nós
Dá para fazer seleções mais avançadas e personalizadas
Exemplo: selecionar elementos pelas propriedades dos filhos, como apenas div que contenham nós a com classe special

Uma árvore HTML simples em que todos os elementos p são selecionados

html %>%
    html_elements(xpath = '//p')
# CSS selector equivalent: p

html %>%
    html_elements(xpath = '//body//p')
# CSS selector equivalent: body p

html %>%
    html_elements(xpath = '/html/body//p')
# CSS selector equivalent: html > body p

Uma árvore HTML simples em que apenas elementos p abaixo de divs são selecionados

html %>%
    html_elements(xpath = '//div/p')
# CSS selector equivalent: div > p

Uma árvore HTML simples em que apenas divs com filhos a são selecionados

html %>%
    html_elements(xpath = '//div[a]')
# CSS selector equivalent: none

Web Scraping em R