在HTML表格中查找包含特定图标的单元格

Peter Verbeet 发表于 Dev

彼得·韦伯

我正在寻找可以通知我特定图标驻留在html表的哪个单元格中的代码。这是我正在使用的：

u <- "http://www.transfermarkt.nl/lionel-messi/leistungsdaten/spieler/28003/saison/2014/plus/1"
doc <- rvest::html(u)
tab <- rvest::html_table(doc, fill = TRUE)[[6]]

“位置”列。指定球员在场上的位置。其中一些带有附加图标。我可以在页面上看到这些图标的存在，如下所示：

rvest::html_nodes(doc, ".kapitaenicon-table")

但这并不能告诉我它们在哪里。我希望代码返回该图标出现在表中“位置”列的第2、10、11、27行中的信息。我怎样才能做到这一点？

hrbrmstr

多一点rvest，XPath魔术可以为您提供索引：

library(rvest)
library(magrittr)
library(XML)

pg <- html("http://www.transfermarkt.nl/lionel-messi/leistungsdaten/spieler/28003/saison/2014/plus/1")

pg %>% 
  html_nodes("table") %>% 
  extract2(6) %>% 
  html_nodes("tbody > tr") %>% 
  sapply(function(x) {
    length(xpathSApply(x, "./td[8]/span[@class='kapitaenicon-table icons_sprite']")) == 1
  }) %>% which

## [1]  2 10 11 27

那得到第6个表，提取trs，然后通过它们查找td带有span/的第8个表class。如果XPath搜索失败，它将返回一个空列表，因此您可以使用长度来确定哪些行中td带有图标，哪些行中没有图标。

这：

pg %>% 
  html_nodes(xpath="//table[6]/tbody/tr/td[8]") %>% 
  xmlSApply(xpathApply, "boolean(./span[@class='kapitaenicon-table icons_sprite'])") %>% 
  which

也可以，而且更紧（更快）。它使用XPathboolean操作测试是否存在。如果您没有要在节点上执行的其他操作，这将比较方便。

这是一个xml2版本，尽管我必须相信必须有一种更好的方法来做到这一点xml2：

library(xml2)
library(magrittr)

pg2 <- read_html("http://www.transfermarkt.nl/lionel-messi/leistungsdaten/spieler/28003/saison/2014/plus/1")
pg2 %>% 
  xml_find_all("//table[6]/tbody/tr/td[8]") %>% 
  as_list %>% 
  sapply(function(x) {
    inherits(try(xml_find_one(x, "./span"), silent=TRUE), "xml_node")
  }) %>% which

更新

对于版本0.1.0.9000，xml2我必须执行以下操作：

pg2 %>% xml_find_all("//table") %>% 
  as_list %>% 
  extract2(6) %>% 
  xml_find_all("./tbody/tr/td[8]") %>% 
  as_list %>% 
  sapply(function(x) {
    inherits(try(xml_find_one(x, "./span"), silent=TRUE), "xml_node")
  }) %>% which

事实并非如此，我已经提交了错误报告。

Session info -------------------------------------------------------------------------
 setting  value                       
 version  R version 3.2.0 (2015-04-16)
 system   x86_64, darwin13.4.0        
 ui       RStudio (0.99.441)          
 language (EN)                        
 collate  en_US.UTF-8                 
 tz       America/New_York            

Packages -----------------------------------------------------------------------------
 package    * version date       source        
 curl       * 0.5     2015-02-01 CRAN (R 3.2.0)
 devtools   * 1.7.0   2015-01-17 CRAN (R 3.2.0)
 magrittr     1.5     2014-11-22 CRAN (R 3.2.0)
 Rcpp       * 0.11.5  2015-03-06 CRAN (R 3.2.0)
 rstudioapi * 0.3.1   2015-04-07 CRAN (R 3.2.0)
 xml2         0.1.0   2015-04-20 CRAN (R 3.2.0)