Web Scraping bằng R

Cascading Style Sheets (CSS) mô tả cách các phần tử HTML được hiển thị trên trang web, bao gồm màu sắc, phông chữ và bố cục tổng thể. Trong chương này, bạn sẽ học vì sao bộ chọn (selector) và bộ kết hợp (combinator) của CSS là thành phần then chốt cho web scraping.

Các bộ chọn CSS bạn đã biết ở chương trước rất mạnh nhưng cũng có giới hạn. Ví dụ, khi bạn muốn chọn các nút dựa trên thuộc tính của phần tử con cháu của chúng. Lúc này XPath sẽ cứu nguy! Với ngôn ngữ truy vấn này, bạn có thể điều hướng và thu thập dữ liệu ngay cả từ HTML rối rắm nhất.

Giờ bạn đã biết cách trích xuất nội dung từ các trang web, đã đến lúc nhìn “hậu trường”. Trong chương cuối, bạn sẽ học vì sao các yêu cầu HTTP là nền tảng của mọi hành động scraping và cách tùy chỉnh chúng để tuân thủ các thực hành tốt nhất trong web scraping.