rvestを使用してウェブサイトをスクラップする - htmlノードを選択していますか？

Question

最新のrベストスクラップについて質問があります。

私は、このページ（および他のいくつかの銘柄だけでなく）をこすりしたい： http://www.finviz.com/quote.ashx?t=AA&ty=c&p=d&b=1

私は2行目の最初のボックスで市場キャピタルのリストを必要としています。 このリストには約50〜100株が含まれているはずです。

私はそのためにrvestを使用しています。

library(rvest) 

html = read_html("http://www.finviz.com/quote.ashx?t=A") 

cast = html_nodes(html, "table-dark-row") 

問題は、私はhtml_nodesを回避できないということです。 html_nodesの正しいノードを見つける方法については何か考えてください。

私は、Webページをチェックアウトする放火犯/ firefinderを使用しています。

Answer 1

私はaproxでリストを見つけることができないので、これが望ましいかどうかはわかりません。 50〜100株。

SelectorGadget私はこのノード.table-dark-row：nth-​​child（2）.snapshot-td2：nth-​​child（2）を使い、マーケットキャップ（最初このページの2行目のボックスhttp://www.finviz.com/quote.ashx?t=AA&ty=c&p=d&b=1）。

> library(rvest) 
> 
> html = read_html("http://www.finviz.com/quote.ashx?t=AA&ty=c&p=d&b=1") 
> 
> cast = html_nodes(html, ".table-dark-row:nth-child(2) .snapshot-td2:nth-child(2)") 
> cast 
{xml_nodeset (1)} 
[1] <td width="8%" class="snapshot-td2" align="left">\n <b>11.58B</b>\n</td> 
> 

これがまったく必要でない場合は、SelectorGadgetを使用して目的のものを探してください。

これが役に立ちます。

EDIT：

ここに完全なソリューション：

library(rvest) 

html = read_html("http://www.finviz.com/quote.ashx?t=AA&ty=c&p=d&b=1") 

cast = html_nodes(html, ".table-dark-row:nth-child(2) .snapshot-td2:nth-child(2)") 

html_text(cast) %>% 
    gsub(pattern = "B", replacement = "") %>% 
    as.numeric()