HTML 소개

R로 배우는 웹 스크레이핑

Timo Grossenbacher

Instructor

보이는 것은 모두 스크레이핑할 수 있습니다

다운로드 금지

하이퍼텍스트 마크업 언어(HTML)

<html> 
  <body> 
    <h2>첫 번째 예제</h2>
    <p>텍스트 단락.</p>
    <p>
      다음은 목록입니다:
    </p>
  </body> 
</html>

HTML 소개

HTML은 계층적으로 구성됩니다

HTML 소개

...
    <div>
      다음은 목록입니다:
      <ul>
        <li>항목 1</li>
        <li>항목 2</li>
        <li>항목 3</li>
      </ul>
    </div>
...

HTML 태그에는 속성이 있습니다

HTML 소개

...
    <p>
      다음은 
      <a href="https://google.com">링크</a>입니다.
    </p>
...

R로 HTML 읽기

library(rvest)

html <- read_html(html_document)
html

{html_document}
<html>
[1] <body> \n    <h2>첫 번째 예제</h2>\n    <p>텍스트 단락.</p>\n   ...

class(html)

"xml_document" "xml_node"

library(xml2)
xml_structure(html)

<html>
  <body>
    {text}
    <h2>
      {text}
    {text}
    <p>
      {text}
    {text}
    <p>
      {text}
      <a [href]>
        {text}
      {text}
    {text}

HTML을 파싱해 봅시다!

R로 배우는 웹 스크레이핑