Úvod do XPATH

Web Scraping v R

Timo Grossenbacher

Instructor

Jazyk XML Path

Cesta stromem HTML, např. //div/p[@class = "blue"] (odpovídá div > p.blue)
Výběr uzlů podle vlastností jiných uzlů
Možnost pokročilejších a přizpůsobených výběrů
Například: výběr prvků podle vlastností jejich potomků, např. pouze prvky div obsahující uzly a se třídou special

Jednoduchý strom HTML, kde jsou vybrány všechny prvky p

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

Jednoduchý strom HTML, kde jsou vybrány pouze prvky p pod prvky div

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

Jednoduchý strom HTML, kde jsou vybrány pouze prvky div s potomky a

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

Web Scraping v R