从网上抓取 pdf 文件答案

【问题标题】：Scraping pdf files from web从网上抓取 pdf 文件
【发布时间】：2019-07-22 09:01:25
【问题描述】：

此问题已在此处 (Web scraping pdf files from HTML) 得到解答，但该解决方案不适用于我的目标 url 或操作的目标 url。我不应该问这个问题作为对之前帖子的回答，所以我要开始一个新的 Q。

我的代码与操作完全一致，我收到的错误消息是 “download.file 中的错误（链接 [i]，destfile = save_names[i]）：无效的 'url' 参数”

我使用的代码是：

install.packages("RCurl")
install.packages("XML")
library(XML)
library(RCurl)
url <- "https://www.bot.or.th/English/MonetaryPolicy/Northern/EconomicReport/Pages/Releass_Economic_north.aspx"
page   <- getURL(url)
parsed <- htmlParse(page)
links  <- xpathSApply(parsed, path="//a", xmlGetAttr, "href")
inds   <- grep("*.pdf", links)
links  <- links[inds]


regex_match <- regexpr("[^/]+$", links)
save_names <- regmatches(links, regex_match)

for(i in seq_along(links)){
  download.file(links[i], destfile=save_names[i])
  Sys.sleep(runif(1, 1, 5))

}

非常感谢任何帮助！谢谢

【问题讨论】：

将包放在脚本的开头会很酷......所以你把它变成一个可重复的例子。
按照@igorkf 的建议完成
解决了！我不知道 为什么 这有效，但确实有效。我已将 for 循环换成以下代码，它可以工作： Map (function(u, d) download.file(u, d, mode='wb'), links, save_names)

标签： r pdf web-scraping download

【解决方案1】：

解决了！我不知道为什么这有效，但确实有效。我已将 for 循环换成以下代码，它可以工作：

Map (function(u, d) download.file(u, d, mode='wb'), links, save_names)

【讨论】：