Ola pessoal. Estou com problemas com uma função aqui de web-scraping. Meu problema é o seguinte. Especies estão sempre mudando de nome. Novos generos surgem, outros somem, e assim vai. Mas tem um indexador de nome de especies que é uma mão na roda. O http://www.catalogueoflife.org/ Blz, é so colocar o nome nele que sai se o nome novo se mudou, o mesmo se nao mudou, enfim qual o nome aceito hoje em dia. Ai eu tentei fazer uma função pra fazer isso. Basicamente eu fiz ele fazer um search, criando o link, dai eu pego o primeiro resultado, entro na pagina do primeiro resultado, ai dentro da pagina do primeiro resultado eu pego o nome aceito e o autor. Eu tava tentando copiar essa função de algum tempo atras aqui da lista pra usar na minha necessidade http://r-br.2285057.n4.nabble.com/R-br-OT-Distancias-entre-municipios-td3964... So que a entrada era pra ser o nome da especie, dai a saida era pra ser uma lista com o nome da especie e o autor. Ai o meu problem é o seguinte. Ps. a função ta no final da msg, pra nao bagunçar aqui. Qd eu uso ele sozinho sai blz
-sp.check(dados$Hospedeiro[1]) $sp.aceito [1] "Aetobatus narinari"
$autor [1] "Euphrasen, 1790" Mas as vezes sai assim
sp.check(dados$Hospedeiro[1]) $sp.aceito ] "Aetobatus narinari"
$autor [1] "Euphrasen, 1790" Não sei pq some o "[1" que deveria ter ali Mas ai qd eu uso pra pra saber so o nome da especie por exemplo
sp.check(dados$Hospedeiro[1])$sp.aceito tus narinari"
sp.check(dados$Hospedeiro[1])$sp.aceito narinari"
Ele não funciona direito, come metade do nome ali, come umas letras sei la A minha ideia final é o seguinte, eu tenho um dafa.frame tipo assim: #####################################################################
dput(exemplo) structure(list(Hospedeiro = c("Aetobatis narinari", "Arothron hispidus", "Astyanax aenaeus", "Astyanax fasciatus", "Astyanax fasciatus" ), Parasita = c("Acanthobothrium nicoyaense", "Bianium simonei", "Wallinia chavariiae", "Anacanthocotyle anacanthocotyle", "Gyrodactylus costaricensis" ), Grupo.H = c("peixes", "peixes", "peixes", "peixes", "peixes" ), Grupo.P = c("C", "D", "D", "M", "M")), .Names = c("Hospedeiro", "Parasita", "Grupo.H", "Grupo.P"), row.names = c(NA, 5L), class = "data.frame") ########################################################################
Eu gostaria de criar outra coluna, com o nome da especie aceito atualmente, usando tipo um loop com essa função que estou tentando fazer. E uma coluna com o autor que descreveu a especie tb para a coluna hospedeiros. Se alguem puder dar uma olhadinha o que estou fazendo errado. Eu quero chegar a isso: Hospedeiro sp aceita outras colunas 1 Aetobatis narinari Fulana detal ---- 2 Arothron hispidus Ciclana detal ----- 3 Astyanax aenaeus Beltrana detal ------ 4 Astyanax fasciatus Mesmo nome ----- 5 Astyanax fasciatus Segue aqui passo a passo o que eu fiz e tudo na forma de função também. ####################################### #Passo a passo ######################################## #Entrada do nome da especie especie<-c("Bufo marinus") #Separando o nome da especie gen<-strsplit(especie,"\\ ")[[1]][1] esp<-strsplit(especie,"\\ ")[[1]][2] gen esp #Criando o link link<-paste("http://www.catalogueoflife.org/col/search/all/key/",gen,"+",esp,"/match/1",sep="") link <- iconv(link, 'latin1', 'UTF-8') Encoding(link) <- 'bytes' link #lendo a pagina pagina <- readLines(url(link)) #Achando onde esta o primeiro resultado da lista, Acredito que essa linha #é o começo da tabelinha de resultado sempre, não sei o que mais da pra usar #pra achar o primeiro resultado :( n.linhas<-which(pagina%in%" <td class=\"field_header_black\">") #aqui pra testa depois na função se nao achou nada, menor que 1 ele nao achou nada no site length(n.linhas) #pegando o primeiro resultado pag.sp<-strsplit(pagina[n.linhas[1]+1],'\\"')[[1]][2] #gerando o link do primeiro resultado link2 <- paste( "http://www.catalogueoflife.org",pag.sp,sep="") link2 <- iconv(link2, 'latin1', 'UTF-8') Encoding(link2) <- 'bytes' link2 #baixando a pagina do primeiro resultado pagina2 <- readLines(url(link2)) #achando a linha onde esta o nome da especie aceito linha2<-grep('(accepted name)',pagina2) sp.final<-pagina2[linha2] #pegando o nome da especie corte1<-strsplit(sp.final,'<i>')[[1]][2] sp.aceito<-strsplit(corte1,'</i>')[[1]][1] #pegando o autor corte2<-strsplit(sp.final,'\\(')[[1]][2] autor<-strsplit(corte2,')')[[1]][1] #Resultados de interesse sp.aceito autor ####################################### #Agora uma função pra faze isso ######################################## #função sp.check sp.check<-function(especie) { especie<-as.character(especie) gen<-strsplit(especie,"\\ ")[[1]][1] esp<-strsplit(especie,"\\ ")[[1]][2] link<-paste("http://www.catalogueoflife.org/col/search/all/key/",gen,"+",esp,"/match/1",sep="") link <- iconv(link, 'latin1', 'UTF-8') Encoding(link) <- 'bytes' pagina <- readLines(url(link)) n.linhas<-which(pagina%in%" <td class=\"field_header_black\">") if(length(n.linhas)>0) { pag.sp<-strsplit(pagina[n.linhas[1]+1],'\\"')[[1]][2] link2 <- paste( "http://www.catalogueoflife.org",pag.sp,sep="") link2 <- iconv(link2, 'latin1', 'UTF-8') Encoding(link2) <- 'bytes' link2 pagina2 <- readLines(url(link2)) linha2<-grep('(accepted name)',pagina2) sp.final<-pagina2[linha2] corte1<-strsplit(sp.final,'<i>')[[1]][2] sp.aceito<-strsplit(corte1,'</i>')[[1]][1] corte2<-strsplit(sp.final,'\\(')[[1]][2] autor<-strsplit(corte2,')')[[1]][1] }else { sp.aceito<-c("Não encontrado") autor<-c("Não encontrado") } return(list(sp.aceito=sp.aceito,autor=autor)) } PS1: O as.character la no começo é que normalmente eu leio os dataframe com read.csv2 ai converte pra fator a coluna, ai quis fazer ele transforma ali pra nao da pau. PS2: Eu tb coloque um if pra dar um jeito qd ele não achar resultado, a principio tava funcionando. PS3: Tem como suprimir esse erro: In readLines(url(link2)) : linha final incompleta encontrada em 'http://www.catalogueoflife.org/col/details/species/id/7159709/synonym/716198...' PS4: Tem como o loop não parar qd a internet não funciona. tipo qd da aqueles erros 505 e a pagina nao abre. Agradeço a atenção e peço desculpas pela mensagem muito longa. -- Grato Augusto C. A. Ribas Site Pessoal: http://augustoribas.heliohost.org Lattes: http://lattes.cnpq.br/7355685961127056