problème avec htmlParse, xpathSApply et boucle

Bonjour,

Je rencontre actuellement un problème avec un script que j'ai ecrit.

J'ai créé un fichier contenant des adresses de pages web (545). J'ai à partir de là fait une boucle for(i in 1:545) pour parcourir le fichier, recupérer chaque adresse et avec les fonctions mentionnées dans le titre du sujet (package XML) obtenu les informations qui sont dans la page.

Je dois malheureusement faire face à un problème que je n'arrive pas à résoudre.

Je stocke les résultats dans une matrice (545*49) que j'enregistre sur le disque au format txt. A la lecture du fichier, je me suis rendu compte que pour certaines lignes, les informations manquaient. Le problème se produit avec le parse, il n'arrive apparement pas à parser l'url.

Ce qui me gène, c'est que cela est l'exception et qu'à vue d'oeil, 9 lignes sur 10 sont correctes. Par ailleurs, si pour les lignes problématiques, je recupère la valeur de l'indice i, et que je parcours l'intérieur de la boucle manuellement, il recupère sans problème les informations. Il semblerait également que si je lui découpe le for(i in 1:545) en plusieurs for plus petits, cela fonctionne correctement.

Quelqu'un aurait-il une idée de ce qui gène? J'aurais aimé insérer mon script, mais je ne peux malheureusement pas le faire pour l'instant, etant au travail (je le pourrai en revanche ce soir).

Merci d'avance.

J'en profite pour ajouter le code que j'ai écrit. Le problème apparaît apparement quand je souhaite récupérer les informations sur les buts des joueurs (parse2). Le script est long mais simple.

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
library(XML)
 
J <- read.csv2("Z:\\Pomper des pages web\\LFP\\Saison_2011-2012\\Joueurs.txt")
 
M <- matrix(nrow=length(J[,1]),ncol=49,
							dimnames=list(NULL,
                               c("Code joueur",
						"Nationalité 1",
						"Nationalité 2",
						"Date de naissance",
						"Taille",
						"Poids",
						"Poste",
						"Buts 0-15",
						"Buts 16-30",
						"Buts 31-45",
						"Buts AR1",
						"Buts MT1",
						"Buts 46-60",
						"Buts 61-75",
						"Buts 76-90",
						"Buts AR2",
						"Buts MT2",
						"Buts Action de jeu",
						"Buts Action de jeu - Déviation/Remise",
						"Buts Centre",
						"Buts Centre - Déviation/Remise",
						"Buts Coup Franc - Direct",
						"Buts Coup Franc - Indirect",
						"Buts Coup Franc - Coup de pied arrêté",
						"Buts Coup Franc - Coup de pied arrêté/Remise/Déviation",
						"Buts Corner",
						"Buts Corner - Direct",
						"Buts Corner - Déviation/Remise",
						"Buts Touche",
						"Buts Touche - Déviation/Remise",
						"Buts Penalty",
						"Buts Coup d'envoi",
						"Buts Pied droit",
						"Buts Pied gauche",
						"Buts Talon droit",
						"Buts Talon gauche",
						"Buts Poitrine",
						"Buts Tête",
						"Buts Autres",
						"Buts Six mètres",
						"Buts Surface",
						"Buts En dehors de la surface",
						"Buts Moitié de terrain adverse",
						"Buts Nombre de clubs",
						"Buts / Temps de jeu",
						"Passes décisives",
						"Saison",
						"Code saison",
						"Compétition")))
 
M[,47] <- "2011/2012"
M[,48] <- "80"
M[,49] <- "Ligue 1" 
 
for(i in 1:length(M[,1]))
{
	url <- as.character(J[i,4])
	url <- sapply(strsplit(url,"http://www.lfp.fr/joueur/joueur/"),function(x)x[2])
	a <-  paste("http://www.lfp.fr/joueur/",url,sep="")
	parse  <- htmlParse(a)
 
############### Id du joueur ################
 
	id <- sapply(strsplit(xpathSApply(parse,
				"//input[id('joueur_hidden')]",
					xmlGetAttr,"value")[1]," +"),function(x)x[1])
 
	M[i,1] <- id
 
#############################################
 
############### Infos joueurs ###############
 
	infos <- xpathSApply(parse,
				"//div[@class='box']",
					xmlValue)
	Encoding(infos) <- "UTF-8"
 
	I <- strsplit(sapply(strsplit(infos[2],"Club actuel"),function(x)x[1]),":")
 
	M[i,2] <- NA
	M[i,3] <- NA
	M[i,4] <- NA
	M[i,5] <- NA
	M[i,6] <- NA
	M[i,7] <- NA
	M[i,45] <- 0
	M[i,46] <- 0
	But <- 0	
 
 
	for(t in 1:(length(I[[1]])-1))
	{
		if(length(grep("Nationalité",I[[1]][t]))==1)
		{
			N <- xpathSApply(parse,
				"//div[@class='infos_joueur']/dl/dd/img",
					xmlGetAttr,"alt")
 
			if(length(N)==1)
			{
				M[i,2] <- N
				M[i,3] <- NA
			}
			if(length(N)==2)
			{
				M[i,2] <- strsplit(N," ")[[1]]
				M[i,3] <- strsplit(N," ")[[2]]
			}
		}
		if(length(grep("Né le",I[[1]][t]))==1)
		{
			naissance <- gsub("^ +","",gsub(" +$","",gsub("\\W"," ",sapply(strsplit(I[[1]][t+1]," {3,}"),function(x)x[1]))))
			M[i,4] <- naissance
		}
		if(length(grep("Taille",I[[1]][t]))==1)
		{
			taille <- gsub("^ +","",gsub(" +$","",gsub("\\D","",sapply(strsplit(I[[1]][t+1]," {3,}"),function(x)x[1]))))
			M[i,5] <- taille
		}
		if(length(grep("Poids",I[[1]][t]))==1)
		{
			poids <- gsub("^ +","",gsub(" +$","",gsub("\\D","",sapply(strsplit(I[[1]][t+1]," {3,}"),function(x)x[1]))))
			M[i,6] <- poids
		}
		if(length(grep("Poste",I[[1]][t]))==1)
		{
			poste <- gsub("^ +","",gsub(" +$","",gsub("\\W"," ",sapply(strsplit(I[[1]][t+1]," {3,}"),function(x)x[1]))))
			M[i,7] <- poste
		}
 
		############### Temps de jeu ################
 
		if(length(grep("Temps de jeu",I[[1]][t]))==1)
		{
			Temps <- as.numeric(gsub("^ +","",gsub(" +$","",gsub("\\D"," ",sapply(strsplit(I[[1]][t+1],"min"),function(x)x[1])))))
		}
		#############################################
 
		############### Buts joueurs ################				
 
		if(length(grep("Buts marqués",I[[1]][t]))==1)
		{
			Z <- as.numeric(gsub("^ +","",gsub(" +$","",gsub("\\D"," ",sapply(strsplit(I[[1]][t+1],"\n\t\t\t\t\n\t"),function(x)x[1])))))
			if(Z>0)
			{
				But <- Z
				M[i,45] <- Temps/Z			#### Buts/Minutes #####
			}
		}
 
		#############################################
 
		############### Passes joueurs ##############
 
		if(length(grep("Passes décisives",I[[1]][t]))==1)
		{
			Y <- gsub("^ +","",gsub(" +$","",gsub("\\D"," ",sapply(strsplit(I[[1]][t+1],"\n\t\t\t\t\n\t"),function(x)x[1]))))
			M[i,46] <- Y
		}
		#############################################
	}
 
 
#############################################
 
############### Buts joueurs ################
 
 
	for(s in 8:44){M[i,s] <- 0}
 
	if(But!=0)	
	{
		url2 <- paste("http://www.lfp.fr/joueur/showButs?jou=",id,"&sai=80&com=D1",sep="")
		if(typeof(try(parse2 <- htmlParse(url2,encoding = "UTF-8"),silent=TRUE))=="externalptr")
		{
 
			T <- xpathSApply(parse2,"//body",xmlValue)
			Encoding(T) <- "UTF-8"
			if(T!="Pas de données disponibles.")	
			{
				### Par période ### 
 
				P <- xpathSApply(parse2,
						"//td[@class='chiffreGras']",
							xmlValue)
 
				M[i,8] <- P[1]
				M[i,9] <- P[2]
				M[i,10] <- P[3]
				M[i,11] <- P[4]
				M[i,12] <- gsub("\\D","",P[5])
				M[i,13] <- P[6]
				M[i,14] <- P[7]
				M[i,15] <- P[8]
				M[i,16] <- P[9]
				M[i,17] <- gsub("\\D","",P[10])
 
				### Par type d'action ###
 
				TAit <- xpathSApply(parse2,
						"//td[@class='intituleType']",
							xmlValue)
				##Encoding(TAit) <- "UTF-8"
 
				TAnb <- xpathSApply(parse2,
						"//td[@class='nbButs']",
							xmlValue)
 
				for(k in 1:length(TAit))
				{
					if((length(grep("Action de jeu",TAit[k]))==1)&&(length(grep("Action de jeu - DĂ©viation/Remise",TAit[k]))==0))
					{
						M[i,18] <- gsub("\\D","",TAnb[k])
					}
					if((length(grep("Action de jeu",TAit[k]))==1)&&(length(grep("Action de jeu - DĂ©viation/Remise",TAit[k]))==1))
					{
						M[i,19] <- gsub("\\D","",TAnb[k])
					}
					if((length(grep("Centre",TAit[k]))==1)&&(length(grep("Centre - DĂ©viation/Remise",TAit[k]))==0))
					{
						M[i,20] <- gsub("\\D","",TAnb[k])
					}
					if((length(grep("Centre",TAit[k]))==1)&&(length(grep("Centre - DĂ©viation/Remise",TAit[k]))==1))
					{
						M[i,21] <- gsub("\\D","",TAnb[k])
					}
					if(length(grep("Coup Franc - Direct",TAit[k]))==1)
					{
						M[i,22] <- gsub("\\D","",TAnb[k])
					}
					if(length(grep("Coup Franc - Indirect",TAit[k]))==1)
					{
						M[i,23] <- gsub("\\D","",TAnb[k])
					}
					if((length(grep("Coup Franc - Coup de pied arrĂŞtĂ©",TAit[k]))==1)&&(length(grep("Coup Franc - Coup de pied arrĂŞtĂ©/Remise/DĂ©viation",TAit[k]))==0))
					{
						M[i,24] <- gsub("\\D","",TAnb[k])
					}
					if(length(grep("Coup Franc - Coup de pied arrĂŞtĂ©/Remise/DĂ©viation",TAit[k]))==1)
					{
						M[i,25] <- gsub("\\D","",TAnb[k])
					}
					if((length(grep("Corner",TAit[k]))==1)&&(length(grep("Corner - DĂ©viation/Remise",TAit[k]))==0)&&(length(grep("Corner - Direct",TAit[k]))==0))
					{
						M[i,26] <- gsub("\\D","",TAnb[k])
					}
					if((length(grep("Corner",TAit[k]))==1)&&(length(grep("Corner - Direct",TAit[k]))==1))
					{
						M[i,27] <- gsub("\\D","",TAnb[k])
					}
					if((length(grep("Corner",TAit[k]))==1)&&(length(grep("Corner - DĂ©viation/Remise",TAit[k]))==1))
					{
						M[i,28] <- gsub("\\D","",TAnb[k])
					}
					if((length(grep("Touche",TAit[k]))==1)&&(length(grep("Touche - DĂ©viation/Remise",TAit[k]))==0))
					{
						M[i,29] <- gsub("\\D","",TAnb[k])
					}
					if((length(grep("Touche",TAit[k]))==1)&&(length(grep("Touche - DĂ©viation/Remise",TAit[k]))==1))
					{
						M[i,30] <- gsub("\\D","",TAnb[k])
					}
					if(length(grep("Penalty",TAit[k]))==1)
					{
						M[i,31] <- gsub("\\D","",TAnb[k])
					}
					if(length(grep("Coup d'envoi",TAit[k]))==1)
					{
						M[i,32] <- gsub("\\D","",TAnb[k])
					}
					if(length(grep("Pied droit",TAit[k]))==1)
					{
						M[i,33] <- gsub("\\D","",TAnb[k])
					}
					if(length(grep("Pied gauche",TAit[k]))==1)
					{
						M[i,34] <- gsub("\\D","",TAnb[k])
					}
					if(length(grep("Talon droit",TAit[k]))==1)
					{	
						M[i,35] <- gsub("\\D","",TAnb[k])
					}
					if(length(grep("Talon gauche",TAit[k]))==1)
					{
						M[i,36] <- gsub("\\D","",TAnb[k])
					}
					if(length(grep("Poitrine",TAit[k]))==1)
					{
						M[i,37] <- gsub("\\D","",TAnb[k])
					}
					if(length(grep("TĂŞte",TAit[k]))==1)
					{
						M[i,38] <- gsub("\\D","",TAnb[k])
					}
					if(length(grep("Autres",TAit[k]))==1)
					{
						M[i,39] <- gsub("\\D","",TAnb[k])
					}
					if(length(grep("Six mĂ¨tres",TAit[k]))==1)
					{
						M[i,40] <- gsub("\\D","",TAnb[k])
					}
					if(length(grep("Surface",TAit[k]))==1)
					{
						M[i,41] <- gsub("\\D","",TAnb[k])
					}
					if(length(grep("En dehors de la surface",TAit[k]))==1)
					{
						M[i,42] <- gsub("\\D","",TAnb[k])
					}
					if(length(grep("MoitiĂ© de terrain adverse",TAit[k]))==1)
					{
						M[i,43] <- gsub("\\D","",TAnb[k])
					}
				}		
 
				### Nombre de clubs ###
 
				NC <- xpathSApply(parse2,
						"//td[@class='club']",
							xmlValue)
 
				M[i,44] <-  as.numeric(length(NC))
			}
		}
	}
 
 
	if(typeof(try(parse <- htmlParse(url2,encoding = "UTF-8"),silent=TRUE))!="externalptr")
	{
		for(l in 8:44){M[i,l] <- 0}
	}
 
}
 
 
Matrice_joueurs <- cbind(J,M)
 
############# Enregistrer les données ##############
 
if(exists("Matrice_joueurs")){
write.table(Matrice_joueurs, file = "Z:\\Pomper des pages web\\LFP\\Saison_2011-2012\\Infos_joueurs_Ligue1.txt",
			 append = FALSE, quote = FALSE, sep = ";",
eol = "\n", na = "NA", dec = ".", row.names = FALSE,
col.names = TRUE, qmethod = c("escape"))}

Bonjour,

Alors... je n'ai pas de réponse précise à donner... mais vous pourriez utiliser l'option error(fonction) pour afficher un message sur les lignes qui vous posent problème. Un print(url) par exemple pour voir ce que ces url ont de particulier (format d'encodage,contenu).

Cependant, je me pencherais volontiers sur le sujet, en plus l'Euro approche :mouarf: Seriez-vous disposé à publier votre code complet et les données ?:oops:

Bonne journée !