Eu costumo usar a *strsplit*, mas só pq ainda não criei coragem de aprender a usar isso aí que o Henrique mostrou.
Em 22 de outubro de 2011 14:30, Henrique Dallazuanna <[email protected]>escreveu: > 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. >
_______________________________________________ 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.
