Заполнитель NA для отсутствующего значения с rvest - с XPath - PullRequest
Новая
       17

Заполнитель NA для отсутствующего значения с rvest - с XPath

0 голосов
/ 19 сентября 2019

Я посмотрел на этот вопрос: Ввод NA, где отсутствуют пропуски значений при извлечении с rvest с отличным ответом!

Цель: добиться того же результата с помощью xpath.

Кажется, в примере используются идентификаторы css: 

xx <- read_html("https://channel9.msdn.com/Events/useR-international-R-User-conferences/useR-International-R-User-2017-Conference?sort=status&direction=desc&page=14")   
xx %>% html_nodes(xpath = "/html/body/main/section[2]/div/article") %>%  
       map_df(~list(title = html_nodes(.x, css = 'header h3 a') %>% 
        html_text() %>% {if(length(.) == 0) NA else .},    # replace length-0 elements with NA
        length = html_nodes(.x, css = 'a time') %>% 
        html_text() %>%  {if(length(.) == 0) NA else .}))

Вопрос: Как это можно сделать с помощью xpath?

xpath должен быть точно: 

'/header/h3/a'

Что я пробовал: 

## XPath
xx <- read_html("https://channel9.msdn.com/Events/useR-international-R-User-conferences/useR-International-R-User-2017-Conference?sort=status&direction=desc&page=14")   
xx %>% html_nodes(xpath = "/html/body/main/section[2]/div/article") %>%  
  map_df(~list(title = html_nodes(.x, xpath = '/header/h3/a') %>% 
                 html_text() %>% {if(length(.) == 0) NA else .},    # replace length-0 elements with NA
               length = html_nodes(.x, xpath = '/a/time') %>% 
                 html_text() %>%  {if(length(.) == 0) NA else .}))

1 Ответ

1 голос
/ 19 сентября 2019

Ваш xpath должен быть header/h3/a, а не /header/h3/a.Начальная косая черта подразумевает, что вы хотите снова начать с корня дерева, а не с текущего узла. 

xx <- read_html("https://channel9.msdn.com/Events/useR-international-R-User-conferences/useR-International-R-User-2017-Conference?sort=status&direction=desc&page=14")   
xx %>% html_nodes(xpath = "/html/body/main/section[2]/div/article") %>%  
  map_df(~list(title = html_nodes(.x, xpath = 'header/h3/a') %>% 
                 html_text() %>% {if(length(.) == 0) NA else .},    # replace length-0 elements with NA
               length = html_nodes(.x, xpath = 'a/time') %>% 
                 html_text() %>%  {if(length(.) == 0) NA else .}))

#   title                                                                        length  
#   <chr>                                                                        <chr>   
# 1 " Introduction to Natural Language Processing with R II"                     01:15:00
# 2 " Introduction to Natural Language Processing with R"                        01:22:13
# 3 " Solving iteration problems with purrr II"                                  01:22:49
# 4 " Solving iteration problems with purrr"                                     01:32:23
# 5 Markov-Switching GARCH Models in R: The MSGARCH Package                      15:55   
# 6 Interactive bullwhip effect exploration using SCperf and Shiny               16:02   
# 7 Actuarial and statistical aspects of reinsurance in R                        14:15   
# 8 Transformation Forests                                                       16:19
...