こういう話がある。
しかし、この記事でスクレイピングしている声優のプロフィールページには男女のデータが載っていないようだ。
なんかもういろいろめんどくさいので声優の男女のアノテーションデータ持ってる人いないですか
— YF (@Med_KU) 2015, 5月 17
ただし、同じサイトの声優一覧ページを見るとアイコンの色により男女が判定できる。
こいつをスクレイピングして男女データを作ってみよう。
R
library(rvest)
library(pforeach)
npforeach(i=1:10, .c=rbind)({
cat(i, "\n")
url <- sprintf("http://lain.gr.jp/voicedb/profile/list/cid/%d", i)
Sys.sleep(10)
html <- html(url)
li_nodes <- html %>% html_nodes(xpath = '/html/body/div/div/div[2]/ul/li')
url <- li_nodes %>% html_nodes(xpath = "a") %>% html_attr("href")
name <- li_nodes %>% html_nodes(xpath = "a") %>% html_text %>% iconv("utf8", "cp932")
sex <- li_nodes %>% html_nodes(xpath = "img") %>% html_attr("title") %>% iconv("utf8", "cp932")
data.frame(url=url[-(1:4)], name=name[-(1:4)], sex)
}) -> result
write.csv(result, file="voice_actors2.csv", row.names=FALSE)
結果はこちら。
url | name | sex |
---|---|---|
/voicedb/profile/1040 | ALLANSCHINTU | 男性 |
/voicedb/profile/3116 | 会一太郎 | 男性 |
/voicedb/profile/2193 | 相上和音 | 女性 |
/voicedb/profile/3215 | 相生千恵子 | 女性 |
/voicedb/profile/1003 | 愛川欽也 | 男性 |
Enjoy!