R语言中如何使用RCurl包

这篇文章主要介绍“R语言中如何使用RCurl包”的相关知识，小编通过实际案例向大家展示操作过程，操作方法简单快捷，实用性强，希望这篇“R语言中如何使用RCurl包”文章能帮助大家解决问题。

这一段时间在研究R里面的数据抓取相关包，时不时的能发掘出一些惊喜。

比如今天，我找到了一个自带请求器的解析包，而且还是嵌入的pantomjs无头浏览器，这样就不用你再傻乎乎的再去装个selenium驱动，也不用借助任何请求器（RCurl或者httr）包就可以自动解析带有js脚本的HTML文档。

耳听为虚，眼见为实，还记得之前讲解表格数据抓取的那一节，遇到的天气数据表格，里面的数据拿不到，有些棘手。害得我动用了RSelenium调用了plantomjs才得以解决，但是！

今天讲解的这个包将所有的任务量缩减到一句代码！

library("rvest")
URL<-"https://www.aqistudy.cn/historydata/monthdata.php?city=北京" %>% xml2::url_escape(reserved ="][!$&'()*+,;=:/?@#")

大家可以试一试使用普通的请求方法是否可以成功获取里面的表格（要是成功了算我输！！！）

使用RCurl包请求！

header<-c("User-Agent"="Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/61.0.3163.79 Safari/537.36")
mytable <- getURL(URL,httpheader=header,.encoding="UTF-8") %>% htmlParse(encoding ="UTF-8") %>% readHTMLTable(header=TRUE)
$`NULL`
NULL

这是多大仇多大怨啊~_~

使用rvest试一试：

mytable <- URL %>%  read_html(encoding ="UTF-8") %>% html_table(header=TRUE) %>% `[[`(1)
[1] 月份     AQI      范围     质量等级 PM2.5    PM10     SO2      CO       NO2      O3

恩，对，这次进步了，拿到了表头，可是这有什么卵用！！！

使用selenium驱动浏览器

#java -jar D:/selenium-server-standalone-3.3.1.jar
#system("java -jar D:/selenium-server-standalone-3.3.1.jar",intern=FALSE)

start_session(root="http://localhost:4444/wd/hub/",browser ="phantomjs")  
post.url(URL)
mytable<-page_source() %>% stri_conv(from="utf-8") %>% read_html() %>% html_table()
quit_session()

这次总算拿到了！数一数写了多少字的代码！

有木有更加快捷的方法呢，当然有啦！

接下来瞪大眼睛看这一款神器！

使用rdom包：

stopifnot(Sys.which("phantomjs") != "")
#以上代码检测系统路径中是否含有phantomjs浏览器
#如果没有下载过phantomjs浏览器或者下载过但是没有加入系统路径，
#记得从新操作一下，否则一下函数无法运行！devtools::install_github("cpsievert/rdom")
#安装rdom包（如果总是提示timeout的话，记得加载一下curl包）


library("rdom")
tbl <- rdom(URL) %>% readHTMLTable(header=TRUE)  %>% `[[`(1)

有木有看清楚什么情况，没有，已经完事儿，真的是只有一行代码！

似不似，有点儿惊讶，rdom后台调用了plantomjs浏览器渲染了整个html目标文档（包含里面的所有script标签里面的js动态脚本），所以readHTMLTable函数才有机会提取里面的表格（而这个过程，普通请求器比如RCurl或者httr都没有权限办到！），是不是很腻害呀！

下面这一句只是稍微修复一下编码！

names(tbl) <- names(tbl) %>% stri_conv(from="utf-8")
DT::datatable(tbl)

rdom是一个很小众的包，但是它的设计理念有点儿逆天，整个包只有一个函数——rdom,和包名相同，它的工作只有一个，就是按照真实浏览器渲染HTML文档的模式去渲染整个HTML文档。在后台调用plantomjs来处理渲染的过程，之后你可以自由的使用其他R中的高效快捷函数进行元素提取。

关于“R语言中如何使用RCurl包”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识，可以关注亿速云行业资讯频道，小编每天都会为大家更新不同的知识点。