Выскабливание javascript сайта в R
Я хочу соскрести время и дату матча с этого url:
Http://www.scoreboard.com/game/rosol-l-goffin-d-2014/8drhX07d/#game-summary
Используя инструменты Chrome dev, я вижу, что это создается с помощью следующего кода:
<td colspan="3" id="utime" class="mstat-date">01:20 AM, October 29, 2014</td>
Но этого нет в исходном html.
Я думаю, что это потому, что его java (поправьте меня, если я ошибаюсь). Как я могу очистить эту информацию, используя R?
1 ответ:
Таким образом, Рселениум-не единственный ответ (больше). Если вы можете установить двоичный файл PhantomJS (возьмите двоичные файлы phantomjs отсюда: http://phantomjs.org/) Затем вы можете использовать его для визуализации HTML и очистить его с помощью
rvest
(аналогично подходу RSelenium, но не требует java):library(rvest) # render HTML from the site with phantomjs url <- "http://www.scoreboard.com/game/rosol-l-goffin-d-2014/8drhX07d/#game-summary" writeLines(sprintf("var page = require('webpage').create(); page.open('%s', function () { console.log(page.content); //page source phantom.exit(); });", url), con="scrape.js") system("phantomjs scrape.js > scrape.html", intern = T) # extract the content you need pg <- html("scrape.html") pg %>% html_nodes("#utime") %>% html_text() ## [1] "10:20 AM, October 28, 2014"