Last chance: 50% off unlimited learning
Sale ends in
Cursusbeschrijving
Ben je weleens een website tegengekomen met veel gegevens, zoals statistieken, productreviews of prijzen, maar dan in een formaat dat niet klaar is voor data-analyse? Vaak publiceren overheden en andere dataproducenten hun gegevens in netjes opgemaakte tabellen. Maar niet al deze sites hebben een downloadknop — geen paniek. In deze cursus leer je hoe je met R efficiënt gegevens van elke website verzamelt en downloadt. Je leert hoe je het scrapen en parsen van Wikipedia automatiseert met de pakketten rvest en httr. Met praktische oefeningen verdiep je ook je kennis van HTML en CSS, de bouwstenen van webpagina’s, terwijl je je dataverzamelingsworkflows minder foutgevoelig en efficiënter maakt.
Vereisten
Lesprogramma
Cursusoverzicht
1
Introductie tot HTML en webscraping
In dit hoofdstuk maak je kennis met HyperText Markup Language (HTML), een declaratieve taal om moderne websites te structureren. Met de rvest-bibliotheek leer je eenvoudige HTML-elementen op te vragen en schraap je je eerste tabel.
- Introductie tot HTML50 XP
- HTML inlezen100 XP
- Let op syntaxfouten!50 XP
- Navigeren door HTML50 XP
- Selecteer alle kinderen van een lijst100 XP
- Zet hyperlinks om naar een data frame100 XP
- Scrape je eerste tabel50 XP
- De juiste volgorde van tabelelementen100 XP
- Zet een tabel om in een data frame met html_table()100 XP
2
Navigeren en selecteren met CSS
Cascading Style Sheets (CSS) beschrijven hoe HTML-elementen op een webpagina worden weergegeven, inclusief kleuren, lettertypen en de algemene lay-out. In dit hoofdstuk leer je waarom CSS-selectors en combinators onmisbaar zijn voor webscraping.
3
Geavanceerd selecteren met XPATH
De CSS-selectors uit het vorige hoofdstuk zijn krachtig, maar hebben hun beperkingen. Bijvoorbeeld wanneer je knooppunten wilt selecteren op basis van eigenschappen van hun afstammelingen. XPath biedt uitkomst! Met deze querytaal kun je zelfs de meest ondoorgrondelijke HTML navigeren en scrapen.
4
Best practices voor scrapen
Nu je weet hoe je inhoud uit webpagina’s haalt, is het tijd om achter de schermen te kijken. In dit laatste hoofdstuk leer je waarom HTTP-verzoeken de basis vormen van elke scrapingactie en hoe je ze kunt aanpassen om te voldoen aan best practices voor webscraping.
R
Webscraping in R
Cursus
voltooid
