Tente assim library(XML)
url <- "http://www.pr.agenciasebrae.com.br/noticia.kmf?canal=724&cod=12211380"; Lines <- readLines(url) h <- htmlTreeParse(Lines, asText = TRUE, useInternalNodes = TRUE) xpathApply(h, "//h1|//p[@class='sub_tit']|//div[@class='clr']//p[@class='left']", xmlValue) 2011/10/21 Daniel Dantas <[email protected]>: > Pessoal, como faço pra "limpar" as strings que eu não quero que > surgem quando executo o comando abaixo? > > ################# > url <- > "http://www.pr.agenciasebrae.com.br/noticia.kmf?canal=724&cod=12211380"; > dados=readLines(paste(url)) > textos = sapply(strsplit(dados[c(34,35,145)],"\t"),FUN =function(x) > paste(x,collapse="")) > textos > ################# > > a saída do comando acima é esta: > > [1] "<meta property=\"og:title\" content=\"Em Curitiba, seminário mostra > como Lei Geral contribui para o desenvolvimento municipal\" />" > [2] "<meta property=\"og:description\" content=\"Sebrae/PR reúne lideranças > da região centro-sul para apresentar casos de sucesso e mostrar formas de > implantação da legislação\" />" > [3] " <p class=\"left\">04.08.2011 | 09:00" > > > e eu soh quero: > da 1° linha: Em Curitiba, seminário mostra como Lei Geral contribui para o > desenvolvimento municipal > da 2° linha: Sebrae/PR reúne lideranças da região centro-sul para apresentar > casos de sucesso e mostrar formas de implantação da legislação > da 3° linha: 04.08.2011 > > então, para facilitar, os excessos são: > "<meta property=\ > "og:title\ > " content=\ > "og:description\" > <p class=\"left\"> > | 09:00" (esse aqui varia quando mudo a URL) > > outra URL para testar, caso > precisem: http://www.pr.agenciasebrae.com.br/noticia.kmf?canal=724&cod=12201212 > > estava lendo no arquivo de e-mails da lista, sobre strsplit mas n to > conseguindo usar.... até o Luiz, hoje mesmo usou essa função mas ele só > "pegou" o que queria, e eu quero remover os "excessos" > > Tenho que fazer isso para vários outros sites, então quero só jogar a URL e > que ele me retorne o título, subtítulo e data da notícia e o link. > > Um abraço e meu agradecimento desde já!! > > >> From: [email protected] >> Date: Thu, 20 Oct 2011 21:07:01 -0200 >> To: [email protected] >> Subject: Re: [R-br] Coletar informações (texto) de sites >> >> Tente assim: >> >> library(XML) >> u <- "http://www.cnm.org.br/eleicao/mu_ele_prefeito.asp?iIdMun=%s"; >> >> # Quais munícipios vc precisa >> ids <- c(100141003, 100141095) >> >> # Usando XPATH query >> fGetNome <- function(x, ...) { >> Lines <- readLines(x) >> h <- htmlTreeParse(Lines, asText = TRUE, useInternalNodes = TRUE) >> gsub("\n|\t", "", xpathApply(h, "//table//td[@width='80%']", xmlValue)) >> } >> >> lapply(sprintf(u, ids), fGetNome) >> >> >> >> 2011/10/20 Daniel Dantas <[email protected]>: >> > Boa tarde pessoal, >> > >> > Existe alguma maneira de "pedir" para o R entrar neste site >> > http://www.cnm.org.br/eleicao/mu_ele_prefeito.asp?iIdMun=100141003 e me >> > retornar o nome do prefeito de 2008 e de 2004? >> > >> > O objetivo disto é obter a listagem dos prefeitos de 2004 e de 2008 para >> > ver >> > quem foi reeleito, se está no 1° ou 2° mandato. >> > >> > Para cada município, o link muda apenas o final, então tem como >> > programar >> > para que ele abra os links de todos os municípios do estado do PARANÁ, >> > mas >> > não sei como fazer ele me retornar o nome do prefeito. >> > >> > Algo interessante que descobri agora, não sei é por causa do Internet >> > Explorer ou é do site, mas se apertarmos com o botão direito no campo >> > onde >> > está escrito o nome do prefeito, surge-se a opção de exportar para Excel >> > as >> > informações daquele ano. Eu poderia fazer isso 399 (qtde de municípios >> > do PR) vezes para o ano de 2004 e 399 para o ano de 2008 e pedir para o >> > R consolidar em 1 planilha. Mas mesmo assim dá um certo trabalho salvar >> > 798 >> > planilhas. >> > >> > Alguém sabe um procedimento mais simples? Espero que eu tenha consigo me >> > fazer entender. >> > >> > Obrigado, >> > Daniel >> > >> > _______________________________________________ >> > R-br mailing list >> > [email protected] >> > https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br >> > Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça >> > código >> > mínimo reproduzível. >> > >> >> >> >> -- >> Henrique Dallazuanna >> Curitiba-Paraná-Brasil >> 25° 25' 40" S 49° 16' 22" O >> _______________________________________________ >> R-br mailing list >> [email protected] >> https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br >> Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça >> código mínimo reproduzível. > > _______________________________________________ > R-br mailing list > [email protected] > https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br > Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código > mínimo reproduzível. > -- Henrique Dallazuanna Curitiba-Paraná-Brasil 25° 25' 40" S 49° 16' 22" O _______________________________________________ R-br mailing list [email protected] https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.
