Início / coding / Perguntas / 78849374
Accepted
bill999
Asked: 2024-08-08 23:58:30 +0800 CST

Com rvest, como selecionar a classe div que contém apenas texto exato

  • 772

Digamos que eu raspei um código como o seguinte:

library(rvest)
library(dplyr)

test <- minimal_html('
  <div class="entry">
        <div class="book">
          <div class="booktitle">Book 1</div>
          <div class="year">1991</div>
        </div>
        <div class="book dont-use">
          <div class="booktitle">Book 2</div>
          <div class="year">1979</div>
        </div>
        <div class="book">
          <div class="booktitle">Book 3</div>
          <div class="year">1399</div>
        </div>
        <div class="book dont-use">
          <div class="booktitle">Book 4</div>
          <div class="year">1949</div>
        </div>        
  </div>')

Para selecionar tudo que contém bookem sua classe, posso usar:

test %>% html_elements(".book")

Isso retorna todos os quatro objetos.

Porém, não quero selecionar a segunda e a quarta entradas, que têm como classe book dont-use. Como posso selecionar apenas a primeira e a terceira entradas? Em outras palavras, como posso modificar o código para selecionar apenas exatamente book?

1 respostas

  1. Best Answer

    Você pode usar o seletor de valor de atributo:

    library(rvest)

test |> 
  html_elements("[class='book']")
#> {xml_nodeset (2)}
#> [1] <div class="book">\n          <div class="booktitle">Book 1</div>\n       ...
#> [2] <div class="book">\n          <div class="booktitle">Book 3</div>\n       ...

    Criado em 08/08/2024 com reprex v2.1.1

    • 2

relate perguntas