Я хочу создать сканер, который будет собирать данные с Trip Advisor. В идеале он будет (a) определять ссылки на все места для сканирования, (b) собирать ссылки на все достопримечательности в каждом месте и (c). strong> соберет названия пунктов назначения, даты и рейтинги для всех отзывов. Сейчас я хотел бы сосредоточиться на части (а).
Вот веб-сайт, с которого я начинаю: http://www.tripadvisor.co.nz/Tourism-g255104-New_Zealand-Vacations.html
Здесь есть проблема: по ссылке для начала указаны 10 лучших направлений, и если вы затем нажмете «Посмотреть другие популярные направления», список расширится. Похоже, что для этого используется функция javascript. К сожалению, я не знаком с javascript, но я думаю, что следующий фрагмент может дать представление о том, как он работает:
<div class="morePopularCities" onclick="ta.call('ta.servlet.Tourism.showNextChildPage', event, this)">
<img id='lazyload_2067453571_25' height='27' width='27' src='http://e2.tacdn.com/img2/x.gif'/>
See more popular destinations in New Zealand </div>
Я нашел несколько полезных пакетов веб-скрейпинга для R, таких как rvest, RSelenium, XML, RCurl, но из них, похоже, только RSelenium может решить эту проблему, сказав это, я до сих пор не смог с ним работать. из.
Вот соответствующий код:
tu = "http://www.tripadvisor.co.nz/Tourism-g255104-New_Zealand-Vacations.html"
RSelenium::startServer()
remDr = RSelenium::remoteDriver(browserName = "internet explorer")
remDr$open()
remDr$navigate(tu)
# remDr$executeScript("JS_FUNCTION")
Последняя строка должна здесь помочь, но я не уверен, какую функцию мне нужно вызвать здесь.
Как только мне удастся расширить этот список, я смогу получить ссылки для каждого пункта назначения так же, как я решил бы часть (b), и я думаю, что уже решил это (для тех, кто заинтересован):
library(rvest)
tu = "http://www.tripadvisor.co.nz/Tourism-g255104-New_Zealand-Vacations.html"
tu = html_session(tu)
tu %>% html_nodes(xpath='//div[@class="popularCities"]/a') %>% html_attr("href")
[1] "/Tourism-g255122-Queenstown_Otago_Region_South_Island-Vacations.html"
[2] "/Tourism-g255106-Auckland_North_Island-Vacations.html"
[3] "/Tourism-g255117-Blenheim_Marlborough_Region_South_Island-Vacations.html"
[4] "/Tourism-g255111-Rotorua_Rotorua_District_Bay_of_Plenty_Region_North_Island-Vacations.html"
[5] "/Tourism-g255678-Nelson_Nelson_Tasman_Region_South_Island-Vacations.html"
[6] "/Tourism-g255113-Taupo_Taupo_District_Waikato_Region_North_Island-Vacations.html"
[7] "/Tourism-g255109-Napier_Hawke_s_Bay_Region_North_Island-Vacations.html"
[8] "/Tourism-g612500-Wanaka_Otago_Region_South_Island-Vacations.html"
[9] "/Tourism-g255679-Russell_Bay_of_Islands_Northland_Region_North_Island-Vacations.html"
[10] "/Tourism-g255114-Tauranga_Bay_of_Plenty_Region_North_Island-Vacations.html"
Что касается шага (c), я нашел несколько полезных ссылок, которые могут быть полезны для этого: https://github.com/hadley/rvest/blob/master/demo/tripadvisor.R http://notesofdabbler.github.io/201408_hotelReview/scrapeTripAdvisor.html
Если у вас есть какие-либо советы о том, как расширить список популярных направлений или как более разумно пройти другие этапы, дайте мне знать, я буду очень рад услышать от вас.
Спасибо заранее!