From 5d234a48e3da974aa1d383978fe0a991cdf333db Mon Sep 17 00:00:00 2001
From: Maxime Wack <maximewack@free.Fr>
Date: Tue, 19 Nov 2019 06:49:48 +0100
Subject: [PATCH] Add lab 03 webscraping

---
 courses/lab03_webscraping.Rmd | 141 ++++++++++++++++++++++++++++++++++
 1 file changed, 141 insertions(+)
 create mode 100644 courses/lab03_webscraping.Rmd

diff --git a/courses/lab03_webscraping.Rmd b/courses/lab03_webscraping.Rmd
new file mode 100644
index 0000000..6f2b325
--- /dev/null
+++ b/courses/lab03_webscraping.Rmd
@@ -0,0 +1,141 @@
+---
+title: "Web scraping"
+author: "Maxime Wack"
+date: "19/11/2019"
+output:
+  xaringan::moon_reader:
+    css: ['default','css/my_style.css']
+    lib_dir: libs
+    seal: false
+    nature:
+      ratio: '4:3'
+      countIncrementalSlides: false
+      self-contained: true
+      beforeInit: "addons/macros.js"
+      highlightLines: true
+  pdf_document:
+    seal: false
+---
+
+```{r setup, include=FALSE}
+knitr::opts_chunk$set(echo = TRUE, fig.asp= .5)
+library(tidyverse)
+library(DT)
+library(knitr)
+
+options(DT.options = list(paging = F,
+                          info = F,
+                          searching = F))
+
+datatable <- partial(datatable, rownames = F)
+```
+
+class: center, middle, title
+
+# UE Visualisation
+
+### 2019-2020
+
+## Dr. Maxime Wack
+
+### AHU Informatique médicale
+#### Hôpital Européen Georges Pompidou, </br> Université de Paris
+
+---
+
+# Web scraping
+
+### Utilisation de `httr` et `rvest`
+
+## httr
+
+Permet de faire des requêtes réseau
+
+→ interroger et télécharger directement depuis R
+
+## rvest
+
+Extraction de données depuis des pages HTML
+
+---
+
+# httr
+
+```{r init, echo = F, message = F, error = F}
+library(tidyverse)
+library(httr)
+library(rvest)
+```
+
+Télécharger une page wikipedia
+
+```{r dl wikipedia}
+GET("https://en.wikipedia.org/wiki/Comparison_of_operating_systems") -> wiki
+```
+
+```{r dl wikipedia do, echo = F}
+wiki
+```
+
+---
+
+# Parsing HTML
+
+```{r html}
+wiki %>%
+  read_html -> wiki_html
+```
+
+```{r html do, echo = F}
+wiki_html
+```
+
+---
+
+# Sélecteurs CSS
+
+[W3Schools](https://www.w3schools.com/cssref/css_selectors.asp)
+
+### Selecteurs permettant d'identifier un **nœud** précis dans le **DOM** (Document Object Model) d'une page HTML
+
+### Permet de sélectionner par identifiant, classe, position dans la hiérarchie, position entre élements d'un même niveau, ou relativement entre élements
+
+### Utiliser l'**inspecteur** des outils de développement du navigateur pour identifier les éléments à capturer
+
+---
+
+# Sélecteurs CSS
+
+```{r tables}
+wiki_html %>%
+  html_nodes(".wikitable")
+```
+
+```{r table}
+wiki_html %>%
+  html_node("div + .wikitable")
+```
+
+---
+
+# Extraction d'une table
+
+```{r scrape}
+wiki_html %>%
+  html_node("div + .wikitable") %>%
+  html_table -> wikitable
+```
+
+```{r scrape do, echo = F}
+datatable(wikitable)
+```
+
+---
+
+# Exercices
+
+### Transformer cette table en forme normale
+
+### Extraire la table avec les informations techniques
+
+### Identifier les OS libres fonctionnant avec un microkernel