Web-Scraping (R?)

Möchte ich, um die Namen der Unternehmen in der mittleren Spalte der diese Seite (Fett geschrieben in blau), sowie die Standort-Anzeige der person, die Registrierung der Beschwerde (z.B. "Indien, Delhi", in grün geschrieben). Im Grunde will ich eine Tabelle (data frame) mit zwei Spalten, eine für das Unternehmen und die anderen für die Lage. Irgendwelche Ideen?

  • Welche Sprache Sie verwenden möchten?
  • Vorzugsweise R. Aber Python oder PHP ist auch okay.
InformationsquelleAutor user702432 | 2011-04-29
  1. 10

    Können Sie ganz einfach tun dies mit Hilfe des XML Paket in R. Hier ist der code

    url = "http://www.consumercomplaints.in/bysubcategory/mobile-service-providers/page/1.html"
doc = htmlTreeParse(url, useInternalNodes = T)

profiles = xpathSApply(doc, "//a[contains(@href, 'profile')]", xmlValue)
profiles = profiles[!(1:length(profiles) %% 2)]

states   = xpathSApply(doc, "//a[contains(@href, 'bystate')]", xmlValue)
    • Funktioniert Super. Danke.
    InformationsquelleAutor Ramnath
  2. 1

    Diese zu entsprechen, Titel in blau Fett, der trick ist, öffnen Sie den source-code der Seite und schauen Sie, was vor und nach was Sie suchen, dann verwenden Sie die regex.

    preg_match('/>[a-zA-Z0-9]+<\/a><\/h4><\/td>/', $str, $matches);
for($i = 0;$i<sizeof($matches);$i++)
 echo $matches[$i];

    Können Sie überprüfen,diese.

    InformationsquelleAutor SIFE
Schreibe einen Kommentar