在 html table 中查找包含特定图标的单元格

Question

我正在寻找可以告诉我特定图标位于 html table 的哪个单元格中的代码。这是我正在处理的内容：

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]]

"Pos." 列指定球员在场上的位置。其中一些有一个额外的图标。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")

但这并没有告诉我它们在哪里。我希望我的代码 return 该图标出现在 table 中 "Pos. column" 的第 2、10、11、27 行。我该怎么做？

Answer 1

多一点 rvest 和 XPath 魔术可以让您获得索引：

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

得到第 6 个 table，提取 tr，然后通过它们查找第 8 个 td，其中包含正确的 span/class它。如果 XPath 搜索失败，它 returns 一个空列表，因此您可以使用长度来确定哪些行有 td 和其中的图标，哪些没有。

这个：

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

也有效，而且更紧（更快）。它使用 XPath boolean 操作来测试是否存在。如果您没有其他操作要在节点上执行，这会更方便。

这是一个 xml2 版本，尽管我不得不相信在 xml2 中必须有更好的方法来做到这一点：

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 xml2 的 0.1.0.9000 版本，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

不应该是这样，我 filed a bug report.

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)

在 html table 中查找包含特定图标的单元格

Find cell in html table containing a specific icon

r

rvest