提取所有从网页[R]

在this url string，（可能的）可选日期值“TODATE = 1399849199999”字符串的一部分，是指以毫秒表示UNIX时，其用于提取英超表针对特定天。提取所有从网页[R]

在这种情况下，UNIX时间是指11 2014年

as.POSIXlt (1399849199999/1000, tz = "GMT", origin = "1970-01-01")

可我想检索所有可能的UNIX时间值特定月份。对于这里提供的网址，这6个值存储在网页源代码中，它看起来是这样的：

<select name="toDate" id="date" class="selectToSlider" widget="selectToSlider" labels="18" tooltip="false" wrapperClass="selectToSliderWrapper selectToSliderMatchDate"><optgroup label="results"><option value="1399157999999">SAT 03</option><option value="1399244399999">SUN 04</option><option value="1399330799999">MON 05</option><option value="1399417199999" selected="selected">TUE 06</option><option value="1399503599999">WED 07</option><option value="1399849199999">SUN 11</option></optgroup><optgroup label="fixtures"></optgroup></select>

以前我用正则表达式来提取这些信息，但它是在颈部（痛** *），我想以更简单的方式做到这一点。

我明白，如果有人可以提供代码（可能与解释的步骤），可以提取这些值使用R中的一些网络抓包，最好是XML。我自己尝试过，但我没有成功...

来源

2016-05-09 Newbie_R

我们可以尝试使用XML封装解析从您提供的链接的HTML，然后提取使用XPath需要（出整个HTML）的具体信息：

library(XML) 
EPL.URL <- "http://www.premierleague.com/en-gb/matchday/league-table.html?season=2013-2014&month=MAY&timelineView=date&toDate=1399849199999&tableView=CURRENT_STANDINGS" 
EPL.doc <- htmlParse(EPL.URL) 
xpathSApply(EPLdoc, "//optgroup[@label='results']/option", xmlGetAttr, "value")

来源

2016-05-09 15:37:52 zyurnaidi

请你能解释一下“// optgroup [@ label ='results']/option”的含义是什么？ –

XPATH是一种从XML节点中提取信息的方法。在这里，我们需要访问属于_label =“results”_的_optgroup_节点的子节点的所有_option_节点。我认为使用''//选项''路径会给我们更多的需要。欲了解更多信息，请尝试以下： http://www.w3schools.com/xsl/xpath_syntax.asp; https://www.w3.org/TR/xpath/; https://msdn.microsoft.com/en-us/library/ms256086(v=vs.110).aspx – zyurnaidi

rvest使这很容易。查找“选项”节点，然后获取“值”属性。

library("rvest") 
h <- read_html('<select name="toDate" id="date" class="selectToSlider" widget="selectToSlider" labels="18" tooltip="false" wrapperClass="selectToSliderWrapper selectToSliderMatchDate"><optgroup label="results"><option value="1399157999999">SAT 03</option><option value="1399244399999">SUN 04</option><option value="1399330799999">MON 05</option><option value="1399417199999" selected="selected">TUE 06</option><option value="1399503599999">WED 07</option><option value="1399849199999">SUN 11</option></optgroup><optgroup label="fixtures"></optgroup></select>') 
h %>% html_nodes("option") %>% html_attr("value") 
[1] "1399157999999" "1399244399999" "1399330799999" 
[4] "1399417199999" "1399503599999" "1399849199999"

来源

2016-05-09 15:19:34 cory

如何这个工程如果h将是一个url字符串，而不是网页源代码的一部分？ –

提取所有从网页[R]

回答

相关问题