Introduction à XPATH

Extraction de données Web en R

Timo Grossenbacher

Instructor

XML Path Language

Un chemin dans un arbre HTML se formule, p. ex. //div/p[@class = "blue"] (équivaut à div > p.blue)
Sélectionner des nœuds selon les propriétés d'autres nœuds
Sélections plus avancées et personnalisées possibles
Exemple : choisir des éléments selon les propriétés de leurs enfants, p. ex. seulement les div qui contiennent des nœuds a avec la classe special

Un arbre HTML simple où tous les éléments p sont sélectionnés

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 arbre HTML simple où seuls les éléments p sous des div sont sélectionnés

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

Un arbre HTML simple où seuls les div ayant un enfant a sont sélectionnés

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

Extraction de données Web en R