Como isolar um único elemento de uma página da Web raspada no R
Quero usar R para raspar esta página: (http://www.fifa.com/worldcup/archive/germany2006/results/matches/match=97410001/report.html ) e outros, para obter os marcadores e os tempos.
Até agora, é isso que eu tenho:
require(RCurl)
require(XML)
theURL <-"http://www.fifa.com/worldcup/archive/germany2006/results/matches/match=97410001/report.html"
webpage <- getURL(theURL, header=FALSE, verbose=TRUE)
webpagecont <- readLines(tc <- textConnection(webpage)); close(tc)
pagetree <- htmlTreeParse(webpagecont, error=function(...){}, useInternalNodes = TRUE)
e o objeto pagetree agora contém um ponteiro para meu html analisado (eu acho). A parte que eu quero é:
<div class="cont")<ul>
<div class="bold medium">Goals scored</div>
<li>Philipp LAHM (GER) 6', </li>
<li>Paulo WANCHOPE (CRC) 12', </li>
<li>Miroslav KLOSE (GER) 17', </li>
<li>Miroslav KLOSE (GER) 61', </li>
<li>Paulo WANCHOPE (CRC) 73', </li>
<li>Torsten FRINGS (GER) 87'</li>
</ul></div>
Mas agora estou perdido em como isolá-los e, francamentexpathSApply
expathApply
confunda os beejeebies fora de mim!
Então, alguém sabe como formular um comando para sugar o elemento contido no<div class="cont">
Tag?