rvestで読み込むcssを調べる方法

rvestで対象とするhtmlのブロックは下記のように取得できる。

http://blog.rstudio.com/2014/11/24/rvest-easy-web-scraping-with-r/

<span class="hljs-keyword">library</span>(rvest)

lego_movie <- html(<span class="hljs-string">"http://www.imdb.com/title/tt1490017/"</span>)

lego_movie %>% html_node(<span class="hljs-string">"strong span"</span>) %>% html_text()

この時に問題になるのがどうやってnode “strong span”を見つけるかである。

見つける方法としては２つある。一つ目はgoogle developer toolsを利用する。

1. 開いたページで目的とする個所を選ぶ→ここで右クリック→inspectを選ぶ。
2. これで該当箇所のhtmlスクリプトが開く。
3. 次に対象項目を囲んでいるタグを2つ取得。
4. html_node()を実行してみる。もし予想した値が返っていない場合にはタグが2つでは絞り込みができていない。その場合にはタグを順番に増やしてあげる。

2つ目の方法としてはSelectorGadgetを利用する。これは項目のすぐ上の階層についてはcssセレクタが取得できる。selectorGadgetについては下記で詳細に説明している。

http://selectorgadget.com/

またセレクタはタグ、class、idにより表記方法が変わる

• class : .クラス名
• id : #ID名
• タグ : タグ名

表記方法についてはこちらから参照できる。

Webscraping with rvest: So Easy Even An MBA Can Do It!