Skip to main content
adicionou 799 caracteres ao conteúdo
Fonte Link

Quando chega no dia 10/09/2020, na página 6 , e durante alguns dias de setembro, o número linhas de quarto_i é inferior adiferente de nomes_i e precos_i, que tem sempre o mesmo tamanho, o que impossibilita de gerar o dataframe banco_precos_i e consequentemente os demais.

Quando chega no dia 10/09/2020, e durante alguns dias de setembro, o número linhas de quarto_i é inferior a nomes_i e precos_i, que tem sempre o mesmo tamanho, o que impossibilita de gerar o dataframe banco_precos_i e consequentemente os demais.

Quando chega no dia 10/09/2020, na página 6 , e durante alguns dias de setembro, o número linhas de quarto_i é diferente de nomes_i e precos_i, que tem sempre o mesmo tamanho, o que impossibilita de gerar o dataframe banco_precos_i e consequentemente os demais.

tags editadas
Link

O código é programado para baixar de acordo com a data de check-in o nome do hotel  (nomes_inomes_i), o nome do quarto (quarto_iquarto_i) e a tarifa do dia  (precos_iprecos_i), tanto o atual quanto dos próximos 502 dias (é programado para baixar 731 dias, mas o site disponibiliza apenas 502).

O código baixa essas variáveis e armazena em um dataframe (banco_precos_ibanco_precos_i) que vai compor o dataframe da página(banco_precosbanco_precos) e posteriormente o dataframe do dia (banco_precos_diabanco_precos_dia). Ao final os dados de todos os dias irão compor um único dataframe (banco_precos_finalbanco_precos_final).

Quando chega no dia 10/09/2020, e durante alguns dias de setembro, o número linhas de quarto_iquarto_i é inferior a nomes_inomes_i e precos_iprecos_i, que tem sempre o mesmo tamanho, o que impossibilita de gerar o dataframe banco_precos_i e consequentemente os demais. [erro

Erro informado: Error in data.frame(nomes_i, quarto_i, precos_i, stringsAsFactors = F) : arguments imply differing number of rows: 18, 17].

Error in data.frame(nomes_i, quarto_i, precos_i, stringsAsFactors = F) : arguments imply differing number of rows: 18, 17]. 

Como solução estou colocando durante o mês de setembro todos os dados de quarto_iquarto_i para baixar como NA, mas essa informação é muito importante para minha análise e gostaria de tentar outra solução.

Tentei as duas sugestões que constam no link a seguiraqui, para baixar apenas o dado faltante como NA : https://stackoverflow.com/questions/45901532/inputting-na-where-there-are-missing-values-when-scraping-with-rvest , mas não funcionou. Alguém tem outra sugestão?

PS.: estou informando apenas as partes do código que estão relacionados ao problema:

library(lubridate) library(rvest) library(devtools) library(tidyverse) library(rlang) library(curl)

inicio <- today() dias <- 0 banco_precos_dia <- c() banco_precos_final <- c()

for (i in 0:731) {

data do checkin

diacheckin <- as.Date("2020-09-10")+ddays(i) #estou colocando o as.Date aqui para o código já começar a baixar de onde dá erro, geralmente a variável que vai aqui é inicio diain <- as.numeric(day(diacheckin)) mesin <- as.numeric(month(diacheckin)) anoin <- as.numeric(year(diacheckin))

data do check out

diacheckout <- diacheckin+ddays(1) diaout <- as.numeric(day(diacheckout)) mesout <- as.numeric(month(diacheckout)) anoout <- as.numeric(year(diacheckout))

qtd <- 250 #existe uma programação para calcular exatamente a quantidade aqui, mas ela não é relevante para este problema

banco_precos <- c() banco_precos_i <- c()

for(j in seq(0,qtd,25)){ url_number <- j

library(lubridate) 
library(rvest) 
library(devtools)
library(tidyverse) 
library(rlang) 
library(curl)

inicio <- today()
dias <- 0
banco_precos_dia <- c()
banco_precos_final <- c()

for (i in 0:731) {
 
# data do checkin 
  diacheckin <-  as.Date("2020-09-10")+ddays(i) #estou colocando o as.Date aqui para o código já começar a baixar de onde dá erro, geralmente a variável que vai aqui é inicio
  diain <- as.numeric(day(diacheckin))
  mesin <- as.numeric(month(diacheckin))
  anoin <- as.numeric(year(diacheckin))
  
# data do check out
  diacheckout <- diacheckin+ddays(1)
  diaout <- as.numeric(day(diacheckout))
  mesout <- as.numeric(month(diacheckout))
  anoout <- as.numeric(year(diacheckout))

qtd <- 250 #existe uma programação para calcular exatamente a quantidade aqui, mas ela não é relevante para este problema

  banco_precos <- c()
  banco_precos_i <- c()
  
  for(j in seq(0,qtd,25)){
    url_number <- j
    
    #buscando a pagina
    
    url <- curl(paste0('https://www.booking.com/searchresults.pt-br.html?aid=304142&label=gen173nr-1FCAEoggI46AdIM1gEaCCIAQGYAS24ARfIAQzYAQHoAQH4AQuIAgGoAgO4AvCp5vIFwAIB&sid=b0ea1003a80543236a20e94559c4ed28&tmpl=searchresults&checkin_month=',mesin,'&checkin_monthday=',diain,'&checkin_year=',anoin,'&checkout_month=',mesout,'&checkout_monthday=',diaout,'&checkout_year=',anoout,'&city=-656888&class_interval=1&dest_id=-656888&dest_type=city&dtdisc=0&from_sf=1&group_adults=2&group_children=0&inac=0&index_postcard=0&label_click=undef&nflt=ht_id%3D203%3Bht_id%3D204%3Bht_id%3D206%3Bht_id%3D216%3B&no_rooms=1&postcard=0&room1=A%2CA&sb_price_type=total&shw_aparth=1&slp_r_match=0&src=searchresults&src_elem=sb&srpvid=3de2a5cdcd850113&ss=Natal&ss_all=0&ssb=empty&sshis=0&ssne=Natal&ssne_untouched=Natal&top_ufis=1&rows=25&offset=',url_number), "rb")
      
    #lendo a pagina
    page <- read_html(url)

#nome dos hoteis nomes_i <-page %>% html_nodes(".sr-hotel__name") %>% html_text()%>% {if(length(.) == 0) NA else .}


 #nome dos hoteis
   nomes_i <-page %>%
      html_nodes(".sr-hotel__name") %>%
      html_text()%>%
      {if(length(.) == 0) NA else .}

    #nome do quarto
    quarto_i <- page%>%
     html_nodes(".room_link strong ,  .sold_out_property") %>%
     html_text()%>%
      {if(length(.) == 0) NA else .}

quando chega no dia 10/09 e o erro ocorre, eu paro o código, troco o código acima por quarto_i<- NA, espero baixar o mês de setembro e volto a baixar outubro em diante com o código acima - tudo manualmente

#precos precos_i <- page %>% html_nodes(".bui-price-display__value , .sold_out_property ") %>% html_text()%>% {if(length(.) == 0) NA else .}


#*quando chega no dia 10/09 e o erro ocorre, eu paro o código, troco o código acima por quarto_i<- NA, espero baixar o mês de setembro e volto a baixar outubro em diante com o código acima - tudo manualmente*
    
   #precos
    precos_i <- page %>%
      html_nodes(".bui-price-display__value , .sold_out_property ") %>%
      html_text()%>%
      {if(length(.) == 0) NA else .}
    
    #construindo o banco de dados de cada página
    banco_precos_i <- data.frame(nomes_i, quarto_i, precos_i, stringsAsFactors = F)

    #alimentando o banco de dados de um dia
    banco_precos <- rbind(banco_precos ,banco_precos_i)

    #banco de preço dia     
    banco_precos_dia <- cbind(inicio,banco_precos,diacheckin)

    #suspender execucao no R por 3 seg
    Sys.sleep(3)
}
banco_precos_final <- rbind(banco_precos_final, banco_precos_dia)
}
}

} banco_precos_final <- rbind(banco_precos_final, banco_precos_dia) } }

O código é programado para baixar de acordo com a data de check-in o nome do hotel(nomes_i), o nome do quarto (quarto_i) e a tarifa do dia(precos_i), tanto o atual quanto dos próximos 502 dias (é programado para baixar 731 dias, mas o site disponibiliza apenas 502).

O código baixa essas variáveis e armazena em um dataframe (banco_precos_i) que vai compor o dataframe da página(banco_precos) e posteriormente o dataframe do dia (banco_precos_dia). Ao final os dados de todos os dias irão compor um único dataframe (banco_precos_final).

Quando chega no dia 10/09/2020, e durante alguns dias de setembro, o número linhas de quarto_i é inferior a nomes_i e precos_i, que tem sempre o mesmo tamanho, o que impossibilita de gerar o dataframe banco_precos_i e consequentemente os demais. [erro informado: Error in data.frame(nomes_i, quarto_i, precos_i, stringsAsFactors = F) : arguments imply differing number of rows: 18, 17].

Como solução estou colocando durante o mês de setembro todos os dados de quarto_i para baixar como NA, mas essa informação é muito importante para minha análise e gostaria de tentar outra solução.

Tentei as duas sugestões que constam no link a seguir para baixar apenas o dado faltante como NA : https://stackoverflow.com/questions/45901532/inputting-na-where-there-are-missing-values-when-scraping-with-rvest , mas não funcionou. Alguém tem outra sugestão?

PS.: estou informando apenas as partes do código que estão relacionados ao problema:

library(lubridate) library(rvest) library(devtools) library(tidyverse) library(rlang) library(curl)

inicio <- today() dias <- 0 banco_precos_dia <- c() banco_precos_final <- c()

for (i in 0:731) {

data do checkin

diacheckin <- as.Date("2020-09-10")+ddays(i) #estou colocando o as.Date aqui para o código já começar a baixar de onde dá erro, geralmente a variável que vai aqui é inicio diain <- as.numeric(day(diacheckin)) mesin <- as.numeric(month(diacheckin)) anoin <- as.numeric(year(diacheckin))

data do check out

diacheckout <- diacheckin+ddays(1) diaout <- as.numeric(day(diacheckout)) mesout <- as.numeric(month(diacheckout)) anoout <- as.numeric(year(diacheckout))

qtd <- 250 #existe uma programação para calcular exatamente a quantidade aqui, mas ela não é relevante para este problema

banco_precos <- c() banco_precos_i <- c()

for(j in seq(0,qtd,25)){ url_number <- j

#buscando a pagina

url <- curl(paste0('https://www.booking.com/searchresults.pt-br.html?aid=304142&label=gen173nr-1FCAEoggI46AdIM1gEaCCIAQGYAS24ARfIAQzYAQHoAQH4AQuIAgGoAgO4AvCp5vIFwAIB&sid=b0ea1003a80543236a20e94559c4ed28&tmpl=searchresults&checkin_month=',mesin,'&checkin_monthday=',diain,'&checkin_year=',anoin,'&checkout_month=',mesout,'&checkout_monthday=',diaout,'&checkout_year=',anoout,'&city=-656888&class_interval=1&dest_id=-656888&dest_type=city&dtdisc=0&from_sf=1&group_adults=2&group_children=0&inac=0&index_postcard=0&label_click=undef&nflt=ht_id%3D203%3Bht_id%3D204%3Bht_id%3D206%3Bht_id%3D216%3B&no_rooms=1&postcard=0&room1=A%2CA&sb_price_type=total&shw_aparth=1&slp_r_match=0&src=searchresults&src_elem=sb&srpvid=3de2a5cdcd850113&ss=Natal&ss_all=0&ssb=empty&sshis=0&ssne=Natal&ssne_untouched=Natal&top_ufis=1&rows=25&offset=',url_number), "rb")
  
#lendo a pagina
page <- read_html(url)

#nome dos hoteis nomes_i <-page %>% html_nodes(".sr-hotel__name") %>% html_text()%>% {if(length(.) == 0) NA else .}

#nome do quarto
quarto_i <- page%>%
 html_nodes(".room_link strong ,  .sold_out_property") %>%
 html_text()%>%
  {if(length(.) == 0) NA else .}

quando chega no dia 10/09 e o erro ocorre, eu paro o código, troco o código acima por quarto_i<- NA, espero baixar o mês de setembro e volto a baixar outubro em diante com o código acima - tudo manualmente

#precos precos_i <- page %>% html_nodes(".bui-price-display__value , .sold_out_property ") %>% html_text()%>% {if(length(.) == 0) NA else .}

#construindo o banco de dados de cada página
banco_precos_i <- data.frame(nomes_i, quarto_i, precos_i, stringsAsFactors = F)

#alimentando o banco de dados de um dia
banco_precos <- rbind(banco_precos ,banco_precos_i)

#banco de preço dia     
banco_precos_dia <- cbind(inicio,banco_precos,diacheckin)

#suspender execucao no R por 3 seg
Sys.sleep(3)

} banco_precos_final <- rbind(banco_precos_final, banco_precos_dia) } }

O código é programado para baixar de acordo com a data de check-in o nome do hotel  (nomes_i), o nome do quarto (quarto_i) e a tarifa do dia  (precos_i), tanto o atual quanto dos próximos 502 dias (é programado para baixar 731 dias, mas o site disponibiliza apenas 502).

O código baixa essas variáveis e armazena em um dataframe (banco_precos_i) que vai compor o dataframe da página(banco_precos) e posteriormente o dataframe do dia (banco_precos_dia). Ao final os dados de todos os dias irão compor um único dataframe (banco_precos_final).

Quando chega no dia 10/09/2020, e durante alguns dias de setembro, o número linhas de quarto_i é inferior a nomes_i e precos_i, que tem sempre o mesmo tamanho, o que impossibilita de gerar o dataframe banco_precos_i e consequentemente os demais.

Erro informado:

Error in data.frame(nomes_i, quarto_i, precos_i, stringsAsFactors = F) : arguments imply differing number of rows: 18, 17]. 

Como solução estou colocando durante o mês de setembro todos os dados de quarto_i para baixar como NA, mas essa informação é muito importante para minha análise e gostaria de tentar outra solução.

Tentei as duas sugestões que constam aqui, para baixar apenas o dado faltante, mas não funcionou. Alguém tem outra sugestão?

PS.: estou informando apenas as partes do código que estão relacionados ao problema:

library(lubridate) 
library(rvest) 
library(devtools)
library(tidyverse) 
library(rlang) 
library(curl)

inicio <- today()
dias <- 0
banco_precos_dia <- c()
banco_precos_final <- c()

for (i in 0:731) {
 
# data do checkin 
  diacheckin <-  as.Date("2020-09-10")+ddays(i) #estou colocando o as.Date aqui para o código já começar a baixar de onde dá erro, geralmente a variável que vai aqui é inicio
  diain <- as.numeric(day(diacheckin))
  mesin <- as.numeric(month(diacheckin))
  anoin <- as.numeric(year(diacheckin))
  
# data do check out
  diacheckout <- diacheckin+ddays(1)
  diaout <- as.numeric(day(diacheckout))
  mesout <- as.numeric(month(diacheckout))
  anoout <- as.numeric(year(diacheckout))

qtd <- 250 #existe uma programação para calcular exatamente a quantidade aqui, mas ela não é relevante para este problema

  banco_precos <- c()
  banco_precos_i <- c()
  
  for(j in seq(0,qtd,25)){
    url_number <- j
    
    #buscando a pagina
    
    url <- curl(paste0('https://www.booking.com/searchresults.pt-br.html?aid=304142&label=gen173nr-1FCAEoggI46AdIM1gEaCCIAQGYAS24ARfIAQzYAQHoAQH4AQuIAgGoAgO4AvCp5vIFwAIB&sid=b0ea1003a80543236a20e94559c4ed28&tmpl=searchresults&checkin_month=',mesin,'&checkin_monthday=',diain,'&checkin_year=',anoin,'&checkout_month=',mesout,'&checkout_monthday=',diaout,'&checkout_year=',anoout,'&city=-656888&class_interval=1&dest_id=-656888&dest_type=city&dtdisc=0&from_sf=1&group_adults=2&group_children=0&inac=0&index_postcard=0&label_click=undef&nflt=ht_id%3D203%3Bht_id%3D204%3Bht_id%3D206%3Bht_id%3D216%3B&no_rooms=1&postcard=0&room1=A%2CA&sb_price_type=total&shw_aparth=1&slp_r_match=0&src=searchresults&src_elem=sb&srpvid=3de2a5cdcd850113&ss=Natal&ss_all=0&ssb=empty&sshis=0&ssne=Natal&ssne_untouched=Natal&top_ufis=1&rows=25&offset=',url_number), "rb")
      
    #lendo a pagina
    page <- read_html(url)

 #nome dos hoteis
   nomes_i <-page %>%
      html_nodes(".sr-hotel__name") %>%
      html_text()%>%
      {if(length(.) == 0) NA else .}

    #nome do quarto
    quarto_i <- page%>%
     html_nodes(".room_link strong ,  .sold_out_property") %>%
     html_text()%>%
      {if(length(.) == 0) NA else .}

#*quando chega no dia 10/09 e o erro ocorre, eu paro o código, troco o código acima por quarto_i<- NA, espero baixar o mês de setembro e volto a baixar outubro em diante com o código acima - tudo manualmente*
    
   #precos
    precos_i <- page %>%
      html_nodes(".bui-price-display__value , .sold_out_property ") %>%
      html_text()%>%
      {if(length(.) == 0) NA else .}
    
    #construindo o banco de dados de cada página
    banco_precos_i <- data.frame(nomes_i, quarto_i, precos_i, stringsAsFactors = F)

    #alimentando o banco de dados de um dia
    banco_precos <- rbind(banco_precos ,banco_precos_i)

    #banco de preço dia     
    banco_precos_dia <- cbind(inicio,banco_precos,diacheckin)

    #suspender execucao no R por 3 seg
    Sys.sleep(3)
}
banco_precos_final <- rbind(banco_precos_final, banco_precos_dia)
}
}
Fonte Link
Carregando