Trích xuất các mức phạt từ nghị định 46 từ trang web thuvienphapluat.vn ra tập tin csv sử dụng R.

nd46.csv

nghi_dinh_46.r

rm(list = ls())

library(rvest) #Đọc html
library(stringr) #Tách chuỗi str_extract
library(zoo) #Hàm na.locf. An alternative is to use fill function from tidyr package.
library(magrittr) #Tự gán lại giá trị %<>%

#Hàm xử lý đối tượng phạt
change_value <- function(len=2, col){
  .rs <- paste0("[cá nhân: ",col[1], "-",col[2],"]")
  if (len == 4) {
    .rs <- paste0("[cá nhân: ",col[1], "-",col[2], "]", ", [tổ chức: ", col[3], "-",col[4],"]")
  }
  if (len == 6) {
    .rs <- paste0("[cá nhân: ",col[1], "-",col[2]," tối đa: ", col[3], "]", ", [tổ chức: ", col[3], "-",col[4],"tối đa: ", col[6],"]")
  }
  return(.rs)
}




url <- "http://thuvienphapluat.vn/van-ban/Vi-pham-hanh-chinh/Nghi-dinh-46-2016-ND-CP-xu-phat-vi-pham-hanh-chinh-giao-thong-duong-bo-duong-sat-288330.aspx"

content <- read_html(url)

p <- html_nodes(content, xpath = "//*[@id=\"divContentDoc\"]/div/div/div/div/p")


nd46_a <- html_text(p) %>% as_data_frame() %>% transmute(value = gsub("\\r|\\n|  "," ", value))

#Xử lý lần 1
nd46 <- nd46_a[-c(1:9),] %>%
  dplyr::mutate(chuong = ifelse(grepl("^Chương", value), value, NA)) %>% #Tách chương
  dplyr::mutate(dieu = str_extract(value, "^Điều [0-9]{1,3}") ) %>% #Tách điều
  dplyr::mutate(khoan = str_extract(value, "^[0-9]{1,3}")) %>% #Tách khoản
  dplyr::mutate(diem = str_extract(value, "^[a-zđ](?=\\))")) %>% #Tách điểm
  dplyr::mutate(phat_tien = str_extract_all(value, "[0-9]{1,3}\\.000\\.000|[0-9]{2,3}\\.000")) %>% #Tách phạt tiêền
  dplyr::mutate(doi_tuong = str_extract_all(value, "cá  nhân|cá nhân|tổ chức|tổ  chức|hành vi")) #Tách đối tượng phạt

#Xử lý lần 2
nd46 %<>% mutate(chuong = na.locf(chuong, na.rm = FALSE)) %>% #Dùng hàm na.locf để fill các dòng NA từ dòng có giá trị khác NA gần nhất
  mutate(dieu = na.locf(dieu, na.rm = FALSE)) %>%
  mutate(khoan = na.locf(khoan, na.rm = FALSE)) %>%
  mutate(ma_loi = ifelse(!is.na(diem), paste(chuong,dieu,khoan, diem, sep = "."), paste(chuong,dieu,khoan, sep = "."))) %>%
  rowwise() %>% mutate(len = length(phat_tien))

#Xử lý lần 3
nd46 %<>% rowwise() %>% mutate(muc_phat = change_value(len, phat_tien)) %>% select(-phat_tien, -doi_tuong, -len)


#Ghi ra tập tin csv
write_excel_csv(nd46, "/Users/thanhlv/Downloads/offline/nd46.csv")