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。