수능 국어 R 팩키지: sat-korean 1 2

수능 국어에 출제된 시, 소설, 수필 등 텍스트 데이터를 나무위키, “수능에 출제된 문학작품 목록”을 참조하여 제작해본다.

수능 국어 R 팩키지

1 대상 데이터셋 - 수능국어

library(tidyverse)
library(rvest)
library(httr)

sat_url <- "https://namu.wiki/w/수능에 출제된 문학작품 목록"

sat_txt <- sat_url %>% 
  read_html() %>% 
  # html_node(xpath='//*[@id="app"]/div/div[2]/article/div[3]/div[2]/div/div') %>% 
  html_nodes(".wiki-heading-content") %>% 
  html_text()

sat_df <- sat_txt[str_detect(sat_txt, "^현대시")] %>% 
  enframe %>% 
  mutate(현대시   = str_extract(value, "(.*?)(?=현대소설)") %>% str_remove("현대시\\s*:\\s*") %>% str_remove_all("\\[[0-9]+\\]")) %>% 
  mutate(현대소설 = str_extract(value, "(?<=현대소설)(.*?)(?=수필)") %>% str_remove("\\s*:\\s*") %>% str_remove_all("\\[[0-9]+\\]")) %>% 
  mutate(수필     = str_extract(value, "(?<=수필)(.*?)(?=희곡,\\s?시나리오)")  %>% str_remove("\\s*:\\s*") %>% str_remove_all("\\[[0-9]+\\]")) %>% 
  mutate(`희곡, 시나리오` = str_extract(value, "(?<=희곡,\\s?시나리오)(.*?)(?=고전시가)")  %>% str_remove("\\s*:\\s*") %>% str_remove_all("\\[[0-9]+\\]")) %>% 
  mutate(고전시가 = str_extract(value, "(?<=고전시가)(.*?)(?=고전산문)") %>% str_remove("\\s*:\\s*") %>% str_remove_all("\\[[0-9]+\\]")) %>% 
  mutate(고전산문 = str_extract(value, "(?<=고전산문)(.*?)$") %>% str_remove("\\s*:\\s*") %>% str_remove_all("\\[[0-9]+\\]"))

sat_df %>% 
  DT::datatable()

  1. Clean Code and R-fun (2016), “Creating a package for your data set”↩︎

  2. Ed Hagen@WSU (2017/10/18), “Put your data in an R package”↩︎