Introducere în XPATH

Web Scraping în R

Timo Grossenbacher

Instructor

XML Path Language

Se formulează o cale printr-un arbore HTML, de ex. //div/p[@class = "blue"] (echivalent cu div > p.blue)
Selectarea nodurilor pe baza proprietăților altor noduri
Selecții mai avansate și personalizate sunt posibile
De exemplu: selectarea elementelor pe baza proprietăților copiilor lor, de ex. doar elementele div care conțin noduri a cu clasa special

Un arbore HTML simplu în care sunt selectate toate elementele 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

Un arbore HTML simplu în care sunt selectate doar elementele p din interiorul div-urilor

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

Un arbore HTML simplu în care sunt selectate doar div-urile cu copii de tip a

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

Web Scraping în R