htmlParse 无法加载外部实体答案

【问题标题】：htmlParse fails to load external entityhtmlParse 无法加载外部实体
【发布时间】：2014-06-19 06:43:18
【问题描述】：

我正在尝试使用 R 和 XML 包加载一些公开可用的 NHS 数据，但我不断收到以下错误消息：

错误：无法加载外部实体“http://www.england.nhs.uk/statistics/statistical-work-areas/bed-availability-and-occupancy/”

尽管查看了一些相关问题，但我似乎无法弄清楚可能导致此问题的原因。

这是我非常简单的代码：

library("XML")
url <- "http://www.england.nhs.uk/statistics/statistical-work-areas/bed-availability-and-occupancy/"
doc <- htmlParse(url)

编辑：会话信息

R 版本 3.0.1 (2013-05-16) 平台：i386-w64-mingw32/i386（32 位）

语言环境：[1] LC_COLLATE=English_United Kingdom.1252 LC_CTYPE=English_United Kingdom.1252 [3] LC_MONETARY=English_United Kingdom.1252 LC_NUMERIC=C [5] LC_TIME=English_United Kingdom.1252

附加的基础包：[1] stats graphics grDevices utils
数据集方法库

通过命名空间加载（未附加）：[1] tools_3.0.1

【问题讨论】：

这不是一个有效的 XML 文档：W3 Validator。它至少应该是 XHTML，HTML5 不是。
当我在 Ubuntu 机器上运行代码时它成功，它也在 r-fiddle 上运行。请问可以添加 sessionInfo() 吗？ r-fiddle.org/#/fiddle?id=AfoyOSGm
sessionInfo() 添加了！我怀疑我已经有了答案。这几乎可以肯定是由我的工作代理引起的。我之前遇到过这个问题（通过 QGIS），但从未找到令人满意的解决方案。
@Tumbledown，我遇到了同样的问题。然而，在我重新启动我的 R 会话后，它又工作了....很奇怪。

标签： xml r

【解决方案1】：

Package XML 有一些问题。问题是间歇性的，与 URL 无关。我使用 httr 包的 GET 函数解决了这个问题，以获取 html 代码，然后将其传递给 htmlParse，如下所示：

library("XML")
library(httr)
url <- "http://www.england.nhs.uk/statistics/statistical-work-areas/bed-availability-and-occupancy/"
doc <- htmlParse(rawToChar(GET(url)$content))

【讨论】：

【解决方案2】：

您还可以使用rvest 和xml2 包：

library(rvest) # github version
library(xml2)  # github version

url <- "http://www.england.nhs.uk/statistics/statistical-work-areas/bed-availability-and-occupancy/"
doc <- read_html(url)

doc %>% 
  html_nodes("a[href^='http://www.england.nhs.uk/statistics/bed-availability-and-occupancy/']") %>% 
  html_attr("href")

## [1] "http://www.england.nhs.uk/statistics/bed-availability-and-occupancy/bed-data-overnight/"
## [2] "http://www.england.nhs.uk/statistics/bed-availability-and-occupancy/bed-data-day-only/"

【讨论】：

第二组命令返回一组数据，而前一组命令返回的值无法轻松搜索。