R语言之RCurl实现文件批量下载

R语言之RCurl实现文件批量下载

前言：

　　RCurl工具包的作者是由Duncan Temple Lang现任加州大学 U.C. Davis分校副教授。他曾致力于借助统计整合进行信息技术的探索。使用者通过RCurl可以轻易访问网页，进行相关数据的抓取以及下载，为数据分析提供原始素材。近年RCurl在数据分析业界中使用也越来越流行。

Step1:安装RCurl

install.packages(‘RCurl‘)

Step2:代码实现

===========================

 1 #利用RCurl包批量下载（抓取）文件
 2
 3 library(‘RCurl‘)
 4
 5 html=getURL("http://rfunction.com/code/1202/")
 6
 7 #查看网页源码，之后确定抓取信息的“代码字串”特征
 8
 9 temp=strsplit(html,"<li><a href=\"")[[1]]   #列表
10
11 files=strsplit(temp,"\"")   #转义字符“\”
12
13 files=lapply(files,function(x){x[1]})
14
15 #可通过命令“?lapply”查看该函数具体用法
16
17 files
18
19 class(files)
20
21 files=unlist(files)    #二维转一维
22
23 files=files[-(1:2)]     #剔除特定元素
24
25
26
27 #----------------
28
29 #设置下载目录，循环遍历
30
31 setwd(‘G:\\R_Project\\RCurl抓取的文件‘)     #注意‘\\’转义
32
33 dir()
34
35 i=1
36
37 base="http://rfunction.com/code/1202/"
38
39 for(i in 1:length(files)){
40
41 url=paste(base,files[i],sep=‘‘)    #拼接url
42
43 temp=getBinaryURL(url)    #获取网页内容
44
45 note=file(paste("1202",files[i],sep=‘.‘),open="wb")   #文件属性
46
47 writeBin(temp,note)     #文件写入内容
48
49 close(note)         #关闭文件
50
51 }

Step3:抓取结果

注意：

1）若出现RCurl无法正常安装，请升级R版本。

2）为了防止因频繁访问该网站而被拉进黑名单，建议采用sleep()间隔访问。具体实现方式仅需要在上述代码最后的循环内部加入如下一行代码：

Sys.sleep(2)  

结语：

　　爬虫其实也就这么回事儿~本文利用R语言的RCurl工具包成功抓取到数据，在此也仅仅是给对数据相关分析感兴趣的朋友提供一丝参考而已。