b06_r_ile_web_kazima.Rmd

---
title: "R ile Web Kazıma"
author: "Murat Öztürkmen"
date: "`r Sys.Date()`"
output:
  rmdformats::readthedown:
    code_folding: hide
    highlight: kate
    lightbox: no
    number_sections: yes
    self_contained: yes
    thumbnails: no
  html_document:
    df_print: paged
---

```{r setup, echo=FALSE, cache=FALSE, warnings=FALSE, messages=FALSE}
library(knitr)
library(rmdformats)

## Global options
options(max.print="75")
opts_chunk$set(cache=TRUE,
               prompt=FALSE,
               tidy=TRUE,
               comment=NA,
               message=FALSE,
               warning=FALSE)
opts_knit$set(width=75)
```

# Verilerle Dünyamız Verisinin R ile Kazınması

Veri İçinde Dünyamız, dünyadaki kıtlıklarla ilgili verileri derledi ve bir tabloda kullanıma sundu. `rvest()` paketi, indirmeyi kolaylaştırmak için "xml2" ve "httr" paketlerinin etrafındaki sarmalayıcılar için kullanılır. Veriler indirildikten sonra, HTML ve XML'i işleyebiliriz.

Gerekli kütüphanelerin çağırılması:

```{r}
library(rvest)
library(xml2)
library(tidyverse)
```

İlgili url sayfasını bir parametreye saklayalım:

```{r}
url_data <- "https://ourworldindata.org/famines"
```

Wiki URL değişkeni oluşturulduktan sonra, verileri okumak ve değiştirmek için aşağıdaki işlevleri kullanacağız.

-   `read_html()`

-   `html_nodes`

-   `html_table`

-   `[[1]]`

Ardından, tüm HTML'yi R'ye okumak için `rvest :: read_html()` kullanalım:

```{r}
url_data %>% 
  read_html()
```

Bir sonraki adıma geçmek için, html\_nodes için XPath bulmalıyız. Tamamlanacak adımlar aşağıdadır:

-   URL'ye gidin: <https://ourworldindata.org/famines>

-   Çıkarılacak popülasyon için tabloyu bulun.

-   Tabloya sağ tıklayın -\> İncele'ye tıklayın

-   Sağ tarafta bir açılır pencere görünecek ve Öğe'yi seçmesi gerekecek

-   Tablo öğesine sağ tıklayın -\> Kopyala -\> Xpath'i Kopyala

Aşağıdaki işlevler için `html_nodes()` ve `html_table()` işlevlerini kullanacağız. `html_nodes()` işlevi, XPath ve CSS seçicilerini kullanarak HTML belgelerinden parçaları çıkarır. `html_table()` işlevi, bir HTML tablosunu bir veri çerçevesine ayrıştırır. Aşağıdakinin yürütülmesi üzerine fark edeceğiniz bir şey, Veri altında yalnızca bir "1 Listesi" gösterecek olmasıdır.

```{r}
css_selector <- "#tablepress-73"
```

Rvest :: read\_html () ile HTML'yi R'ye nasıl okuyacağınızı zaten gördünüz. Ardından, yalnızca CSS seçiciniz tarafından tanımlanan öğeyi seçmek için rvest :: html\_node () kullanın.

```{r}
url_data %>% 
  read_html() %>% 
  html_node(css = css_selector)
```

Veriler hala HTML'de. Çıkışı bir veri çerçevesine dönüştürmek için rvest :: html\_table () kullanın. Rvest :: html\_table () 'ın tibble değil data.frame nesnesi döndürdüğüne dikkat edin. Bir tibble dönüştürmek için as\_tibble () kullanın

```{r}
url_data %>% 
  read_html() %>% 
  html_node(css = css_selector) %>% 
  html_table() %>% 
  as_tibble()
```

Artık veriler R'de düzenlenmeye hazır.

Html\_table () 'ın yalnızca sağladığınız HTML öğesi bir tablo olduğunda çalışacağını unutmayın. Örneğin, bir paragraf metni çıkarmak isteseydik, bunun yerine html\_text () kullanırdık.

```{r}
css_selector_paragraph <- 
  "body > main > article > div.content-wrapper > div.offset-content > div > div > section:nth-child(1) > div > div:nth-child(1) > p:nth-child(9)"

url_data %>% 
  read_html() %>% 
  html_node(css = css_selector_paragraph) %>% 
  html_text()
```