Я хочу использовать R, чтобы очистить эту страницу: (http://www.fifa.com/worldcup/archive/germany2006/results/matches/match=97410001/report.html) и другие, чтобы получить счетчики и время.
До сих пор это то, что у меня есть:
require(RCurl)
require(XML)
theURL <-"http://www.fifa.com/worldcup/archive/germany2006/results/matches/match=97410001/report.html"
webpage <- getURL(theURL, header=FALSE, verbose=TRUE)
webpagecont <- readLines(tc <- textConnection(webpage)); close(tc)
pagetree <- htmlTreeParse(webpagecont, error=function(...){}, useInternalNodes = TRUE)
а объект pagetree теперь содержит указатель на мой проанализированный html (я думаю). Часть, которую я хочу, это:
<div class="cont")<ul>
<div class="bold medium">Goals scored</div>
<li>Philipp LAHM (GER) 6', </li>
<li>Paulo WANCHOPE (CRC) 12', </li>
<li>Miroslav KLOSE (GER) 17', </li>
<li>Miroslav KLOSE (GER) 61', </li>
<li>Paulo WANCHOPE (CRC) 73', </li>
<li>Torsten FRINGS (GER) 87'</li>
</ul></div>
Но теперь я теряюсь в том, как их изолировать, и, честно говоря, xpathSApply и xpathApply путают меня пчелы!
Итак, кто-нибудь знает, как сформулировать команду для извлечения элемента, содержащегося в тегах <div class="cont">?
