網站有R刮，內容

我剛開始與網絡中的R刮，我把這個代碼：網站有R刮，內容

mps <- read_html("http://tunisie-annonce.com/AnnoncesImmobilier.asp") 

mps %>% 
    html_nodes("tr") %>% 
    html_text()

爲了獲得所需的內容，我把一個文本文件中。我的問題是我想消除這些紅點，但我不能。你可以幫我嗎？我認爲這些觀點正在取代HTML代碼中的<b>和<br>。

來源

2017-05-07 sanjanasan

登陸頁面包含一個表。你的目的不清楚，你想提取該表的內容，並在R的data.frame？或者您可能對該網頁的其他內容感興趣？ – SabDeM

@SabDeM是的我想提取表的內容。我提取了這些文本，我只需要消除奇怪的點就可以將數據框放入。 – sanjanasan

誰建造，頁面非常令人沮喪的組裝表的表內，但不能定義爲<table>標籤本身，所以這是最簡單的重新定義它，所以它會解析更容易：

library(rvest) 

mps <- read_html("http://tunisie-annonce.com/AnnoncesImmobilier.asp") 

df <- mps %>% 
    html_nodes("tr.Entete1, tr.Tableau1") %>% # get correct rows 
    paste(collapse = '\n') %>%  # paste nodes back to a single string 
    paste('<table>', ., '</table>') %>%  # add enclosing table node 
    read_html() %>% # reread as HTML 
    html_node('table') %>% 
    html_table(fill = TRUE) %>% # parse as table 
    { setNames(.[-1,], make.names(.[1,], unique = TRUE)) } # grab names from first row 

head(df) 
#>   X   Région NA.   Nature NA..1  Type NA..2 
#> 2  Prix   <NA> NA    <NA> NA  <NA> NA 
#> 3 Modifiée     NA    <NA> NA  <NA> NA 
#> 4     Kelibia NA   Terrain NA Terrain nu NA 
#> 5   Cite El Ghazala NA   Location NA App. 4 pièc NA 
#> 6     Le Bardo NA   Location NA App. 1 pièc NA 
#> 7     Le Bardo NA Location vacance NA App. 3 pièc NA 
#>     Texte.annonce NA..3 Prix Prix.1  X.1 Modifiée 
#> 2       <NA> NA <NA> <NA>  <NA>  <NA> 
#> 3       <NA> NA <NA> <NA>  <NA>  <NA> 
#> 4  Terrain a 5 km de kelibi NA 80 000  07/05/2017   
#> 5  S plus 3 haut standing c NA 790  07/05/2017   
#> 6   Appartements meubles NA 40 000  07/05/2017   
#> 7 Un bel appartement au bardo m NA 420  07/05/2017   
#> Modifiée.1 NA..4 NA..5 
#> 2  <NA> NA NA 
#> 3  <NA> NA NA 
#> 4  <NA> NA NA 
#> 5  <NA> NA NA 
#> 6  <NA> NA NA 
#> 7  <NA> NA NA

請注意有很多NA s和其他cruft在這裏還沒有被清理，但至少它在這一點上是可用的。

來源

2017-05-07 00:40:43 alistaire

非常感謝youuuuu！你正在拯救我的生命！這正是我需要的。我現在要工作，消除那不適用謝謝你非常muuuch – sanjanasan

您可以隨時使用正則表達式來刪除不想要的字符，例如，

mps <- gsub("•", " ", mps)

來源

2017-05-07 00:52:17 mkearney

Thak你@mkearney BUt我試過了，它沒有工作。點是特殊的，它不是簡單的字符... – sanjanasan

謝謝@mkearny！但問題在於點不像普通字符。它們不能用gsub消除 – sanjanasan

網站有R刮，內容

回答

相關問題