# https://cran.r-project.org/web/packages/rvest/index.html
# Autor: Hadley Wickham

library(rvest)
library(stringr)

url <- 'https://www.csfd.cz/zebricky/specificky-vyber/?type=0&origin=&genre=&year_from=2011&year_to=&actor=&director=&ok=Zobrazit&_form_=charts&show=complete'
webpage <- read_html(url)
x <- 1
data <- data.frame(stringsAsFactors = F)
seznam_url <- webpage  %>% html_nodes('.film')  %>% html_nodes("a") %>% html_attr("href")
seznam_url <- str_c("https://www.csfd.cz", seznam_url)

repeat {
  page <- read_html(seznam_url[x])
  titul <- page %>% html_nodes('.header')  %>% html_nodes('h1') %>% html_text()
  titul <- titul %>% str_trim()
  zanr <- page %>% html_nodes('.genre') %>% html_text()
  puvod <- page %>% html_nodes('.origin') %>% html_text()
  puvod <- str_split(puvod, ", ")[[1]]
  produkce <- puvod[1]
  rok <- puvod[2]
  delka <- puvod[3]
  rezie <- page %>% html_nodes('.creators') %>% html_nodes('div') %>% html_nodes('span') %>% html_text()
  rezie <- rezie %>% str_remove_all("\t") %>% str_remove_all("\n")
  rezie <- rezie[1]
  hodnoceni <- page %>% html_nodes('.average') %>% html_text()
  hodnoceni <- hodnoceni %>% str_remove("%")
  hodnoceni <- as.numeric(hodnoceni)
  n_hodnoceni <- page %>% html_nodes('.count') %>% html_text()
  n_hodnoceni <- n_hodnoceni[1]
  n_hodnoceni <- n_hodnoceni %>% str_trim() %>% str_remove("všechna hodnocení\\(") %>% str_remove("\\)")
  data = rbind (data, c(x, titul, zanr, produkce, rok, delka, rezie, hodnoceni, n_hodnoceni), stringsAsFactors = F)
  x <- x + 1
  if (x == 301) {
    break
  }
}
colnames(data) <- c("id", "titul", "žánr", "produkce", "rok", "délka", "režie", "hodnocení", "počet hodnocení")
head(data)