rvestを使用してIMDBからムービーレビューを削る

Question

IMDBで映画のレビューを抽出しましたが、別々のレビューにはそれらの間に空白行がたくさんあります。それは構造化されておらず、見るのが非常に難しいです。 それぞれ別々の関数を個別に適用してから、いくつかの他の関数のテキストマイニングのために1つを一緒に格納する必要があります。

どうすればそれらを構造化（クリーンアップ）し、一度に1つずつアクセスし、それらを結合して一緒に保存することができますか？

は、ここでレビュー

ID <- 1490017 
URL <- paste0("http://www.imdb.com/title/", ID, "/reviews?filter=prolific") 
MOVIE_URL <- read_html(URL) 
ex_review <- MOVIE_URL %>% 
html_nodes("p") %>% 
html_text() 

Answer 1

私はあなたがDOMをナビゲートするときに、より特異的であることを示唆しているをこするための私のコードです。

ID <- 1490017 
URL <- paste0("http://www.imdb.com/title/tt", ID, "/reviews?filter=prolific") 
MOVIE_URL <- read_html(URL) 
ex_review <- MOVIE_URL %>% html_nodes("#pagecontent") %>% 
    html_nodes("div+ p") %>% 
    html_text() 

そしてここでは、各レビューに関数を適用し、改行を削除する方法であり、マージ：たとえば、このコードは、あなたがおそらくこすりしようとしていないことをレビューやその他の情報のどれをお届けします1つの段落（また、改行を交換する上でのベクトル要素と、このpostを連結する上でこのpostを参照）への全てのレビュー：

ex_review <- gsub("[\r\n]", " ", ex_review) # replace line breaks 
sapply(ex_review, function(x){}) # apply function to each review 
ex_review <- paste(ex_review, collapse = "") # concatenate reviews into one paragraph 
write(ex_review, "test.txt") 

は、私はあなたにもURLの「TT」を欠落していたと思います。