web-dev-qa-db-ja.com

特定のクラスですべてのdivタグのコンテンツをスクレイピングする

特定のクラスのdivで発生するWebサイトからすべてのテキストをスクレイピングしています。次の例では、クラス「a」のdivにあるすべてのものを抽出したいと思います。

_site <- "<div class='a'>Hello, world</div>
  <div class='b'>Good morning, world</div>
  <div class='a'>Good afternoon, world</div>"
_

私の望む出力は...

_"Hello, world"
"Good afternoon, world"
_

以下のコードはすべてのdivからテキストを抽出しますが、class = "a"のみを含める方法がわかりません。

_library(tidyverse)
library(rvest)

site %>% 
  read_html() %>% 
  html_nodes("div") %>% 
  html_text()

# [1] "Hello, world"          "Good morning, world"   "Good afternoon, world"
_

PythonのBeautifulSoupを使用すると、site.find_all("div", class_="a")のようになります。

rrvest
6
Andrew Brēza

div with class = "a"のCSSセレクターはdiv.aです。

site %>% 
  read_html() %>% 
  html_nodes("div.a") %>% 
  html_text()

または、XPathを使用できます。

html_nodes(xpath = "//div[@class='a']")
7
neilfws
site %>% 
  read_html() %>% 
  html_nodes(xpath = '//*[@class="a"]') %>% 
  html_text()
2
DJack