XPATH 入門

R 的網頁爬蟲

Timo Grossenbacher

Instructor

XML Path Language

  • 以 HTML 樹的路徑來表達，例如 //div/p[@class = "blue"]（等同 div > p.blue）
  • 可依其他節點的屬性選取節點
  • 可進行更進階、可自訂的選取
  • 例如：依子節點屬性選取元素，如僅選取含有 class 為 special 的 a 節點之 div 元素
R 的網頁爬蟲

一個簡單的 HTML 樹，選取所有 p 元素

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
R 的網頁爬蟲

一個簡單的 HTML 樹，只選取位於 div 之下的 p 元素

html %>%
    html_elements(xpath = '//div/p')
# CSS selector equivalent: div > p
R 的網頁爬蟲

一個簡單的 HTML 樹，只選取含有 a 子節點的 div

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

語法：軸、步驟與謂詞

  • 軸（axes）：/ 或 //
  • 步驟（steps）：如 span、a 等 HTML 類型
  • 謂詞（predicates）：[...]
  • 範例：//span/a[@class = "external"]（CSS：span > a.external）
  • 範例：//*[@id = "special"]//div（CSS：#special div 或 *#special div）
R 的網頁爬蟲

一起來練習吧！

R 的網頁爬蟲

Preparing Video For Download...