reclamos.r

reclamos.r

library(tidyverse)
# library(tidytext)
library(rvest)

# obtiene el número de páginas por empresa
get_n_pages_from_empresa <- function(empresa = "falabella") {
  
  message(empresa)
  
  url <- read_html(file.path("https://www.reclamos.cl/empresa", empresa))
  
  npag <- url %>% 
    html_nodes(".pager-last") %>% 
    html_attr("href") %>% 
    str_extract("[0-9]+$") %>% 
    as.numeric()
  
  message("\tpaginas: ", npag)
  
  return(npag)
  
}

get_n_pages_from_empresa("din")

# obtiene lista de links de una empresa y pagina en particular
get_links_reclamos_empresa_pagina <- function(empresa = "falabella", pagina = 1) {
  
  message(empresa, " ", pagina)
  
  # https://www.reclamos.cl/empresa/din?page=1
  url <- str_c("https://www.reclamos.cl/empresa/", empresa, "?page=", pagina, collapse = "")
  links <- read_html(url) %>% 
    html_nodes("tbody") %>% 
    html_nodes("a") %>% 
    html_attr("href")
  
}


# itera la funcion anterior
get_links_reclamos_empreas_hasta_pagina <- function(empresa = "falabella", hasta_pagina = 3) {
  
  map(1:hasta_pagina, get_links_reclamos_empresa_pagina, empresa = empresa) %>% 
    unlist()
  
}

get_text_from_reclamo <- function(link = "https://www.reclamos.cl/falabella/reclamo/2020/jan/falabella_devolucion_de_dinero") {
  
  message(link)
  
  l <- read_html(link)
  txt <- l %>% 
    html_nodes(".reclamo-texto-principal") %>% 
    html_text()
  txt
}


# proceso -----------------------------------------------------------------
empresas <- c("falabella", "homecenter_sodimac")

data <- data_frame(
  empresa = empresas
)

data <- data %>% 
  mutate(n_paginas = map_dbl(empresa, get_n_pages_from_empresa))

data

# acá miraremos a lo más 2 páginas, no corras esto si quieres hacer tooooooda la lectura
data <- data %>% 
  mutate(n_paginas = 2)

# sacamos los links hasta la pagina
data <- data %>% 
  mutate(link = map2(empresa, n_paginas, get_links_reclamos_empreas_hasta_pagina))

data

# desanidamos
data <- data %>% 
  select(empresa, link) %>% 
  unnest()

# recorremos cada link para extraer texto

data <- data %>% 
  mutate(
    text = map(link, get_text_from_reclamo)
  )


View(data)