Очистка динамической страницы электронной коммерции с бесконечной прокруткой
Я использую rvest
в R, чтобы сделать некоторые очистки. Я знаю немного HTML и CSS.
Я хочу получить цены на каждый продукт URI:
http://www.linio.com.co/tecnologia/celulares-telefonia-gps/
Новые элементы загружаются по мере того, как вы переходите на страницу вниз (как при прокрутке).
Что я сделал до сих пор:
Linio_Celulares <- html("http://www.linio.com.co/celulares-telefonia-gps/")
Linio_Celulares %>%
html_nodes(".product-itm-price-new") %>%
html_text()
И я получаю то, что мне нужно, но только для 25 первых элементов (те загружаются по умолчанию).
[1] "$ 1.999.900" "$ 1.999.900" "$ 1.999.900" "$ 2.299.900" "$ 2.279.900"
[6] "$ 2.279.900" "$ 1.159.900" "$ 1.749.900" "$ 1.879.900" "$ 189.900"
[11] "$ 2.299.900" "$ 2.499.900" "$ 2.499.900" "$ 2.799.000" "$ 529.900"
[16] "$ 2.699.900" "$ 2.149.900" "$ 189.900" "$ 2.549.900" "$ 1.395.900"
[21] "$ 249.900" "$ 41.900" "$ 319.900" "$ 149.900"
Вопрос: Как получить все элементы этого динамического раздела?
Я думаю, я мог бы прокрутить страницу, пока все элементы не загрузятся, а затем использовать HTML (URL). Но это похоже на большую работу (я планирую делать это в разных разделах). Должна быть программная работа вокруг.
Ответы
Ответ 1
Как предложил @nrussell, вы можете использовать RSelenium
для программной прокрутки вниз страницы до получения исходного кода.
Например, вы можете:
library(RSelenium)
library(rvest)
#start RSelenium
checkForServer()
startServer()
remDr <- remoteDriver()
remDr$open()
#navigate to your page
remDr$navigate("http://www.linio.com.co/tecnologia/celulares-telefonia-gps/")
#scroll down 5 times, waiting for the page to load at each time
for(i in 1:5){
remDr$executeScript(paste("scroll(0,",i*10000,");"))
Sys.sleep(3)
}
#get the page html
page_source<-remDr$getPageSource()
#parse it
html(page_source[[1]]) %>% html_nodes(".product-itm-price-new") %>%
html_text()
Ответ 2
library(rvest)
url<-"https://www.linio.com.co/c/celulares-y-tablets?page=1"
page<-html_session(url)
html_nodes(page,css=".price-secondary") %>% html_text()
Просмотрите веб-сайт https://www.linio.com.co/c/celulares-y-tablets?page=2
и 3 и т.д., И вам будет легко очистить данные
РЕДАКТИРОВАТЬ от 07/05/2019
Элементы сайта изменены. Отсюда новый код
library(rvest)
url<-"https://www.linio.com.co/c/celulares-y-tablets?page=1"
page<-html_session(url)
html_nodes(page,css=".price-main") %>% html_text()