Scraping Sungguhan

Web Scraping dengan Python

Thomas Laetsch

Data Scientist, NYU

Situs DataCamp

Web Scraping dengan Python

Apa itu Div?

# response dimuat dengan HTML dari https://www.datacamp.com/courses/all
course_divs = response.css('div.course-block')
print( len(course_divs) )
>>> 185
Web Scraping dengan Python

Memeriksa course-block

first_div = course_divs[0]

children = first_div.xpath('./*')
print( len(children) ) >>> 3
Web Scraping dengan Python

Anak pertama

first_div = course_divs[0]

children = first_div.xpath('./*')
first_child = children[0]

print( first_child.extract() ) >>> <a class=... />
Web Scraping dengan Python

Anak kedua

first_div = course_divs[0]

children = first_div.xpath('./*')
second_child = children[1]

print( second_child.extract() ) >>> <div class=... />
Web Scraping dengan Python

Anak yang terlupa

first_div = course_divs[0]

children = first_div.xpath('./*')
third_child = children[2]

print( third_child.extract() ) >>> <span class=... />
Web Scraping dengan Python

Berbentuk Daftar

  • Dalam satu CSS Locator
    links = response.css('div.course-block > a::attr(href)').extract()
    
  • Bertahap
# langkah 1: blok kursus
course_divs = response.css('div.course-block')

# langkah 2: elemen tautan hrefs = course_divs.xpath('./a/@href')
# langkah 3: ekstrak tautan links = hrefs.extract()
Web Scraping dengan Python

Belajar dari Tautan

for l in links:
    print( l )

>>> /courses/free-introduction-to-r
>>> /courses/data-table-data-manipulation-r-tutorial
>>> /courses/dplyr-data-manipulation-r-tutorial
>>> /courses/ggvis-data-visualization-r-tutorial
>>> /courses/reporting-with-r-markdown
>>> /courses/intermediate-r
...
Web Scraping dengan Python

Tautan Didapat

Web Scraping dengan Python

Preparing Video For Download...