从 FTP 服务器检索文件的修改日期

Question

基于这个问题 (Retrieve modified DateTime of a file from an FTP Server)，很清楚如何获取日期修改值。但是，即使从 FTP 站点可以看到完整日期，也不会返回完整日期。

这显示了如何获取 ftp://ftp.FreeBSD.org/pub/FreeBSD/ 处文件的日期修改值

library(curl)
library(stringr)

con <- curl("ftp://ftp.FreeBSD.org/pub/FreeBSD/")
dat <- readLines(con)
close(con)

no_dirs <- grep("^d", dat, value=TRUE, invert=TRUE)
date_and_name <- sub("^[[:alnum:][:punct:][:blank:]]{43}", "", no_dirs)
dates <- sub('\\s[[:alpha:][:punct:][:alpha:]]+$', '', date_and_name)
dates
## [1]  "May 07  2015" "Apr 22 15:15" "Apr 22 10:00"

有些日期采用月/日/年格式，其他日期采用月/日/小时/分钟格式。

查看 FTP 站点，所有日期均采用月/日/年时/分/秒格式。

我认为这与 Unix 格式标准有关（在 FTP details command doesn't seem to return the year the file was modified, is there a way around this? 中解释）。最好能得到完整的日期。

Answer 1

如果您使用download.file，您将获得目录的 html 表示，您可以使用 xml2 包对其进行解析。

read_ftp <- function(url)
{
  tmp <- tempfile()
  download.file(url, tmp, quiet = TRUE)
  html <- xml2::read_html(readChar(tmp, 1e6))
  file.remove(tmp)
  lines <- strsplit(xml2::xml_text(html), "[\n\r]+")[[1]]
  lines <- grep("(\\d{2}/){2}\\d{4}", lines, value = TRUE) 
  result <- read.table(text = lines, stringsAsFactors = FALSE)
  setNames(result, c("Date", "Time", "Size", "File"))    
}

这允许您这样做：

read_ftp("ftp://ftp.FreeBSD.org/pub/FreeBSD/")
#>         Date    Time      Size        File
#> 1 05/07/2015 12:00AM     4,259  README.TXT
#> 2 04/22/2020 08:00PM        35   TIMESTAMP
#> 3 04/22/2020 08:00PM Directory development
#> 4 04/22/2020 10:00AM     2,325   dir.sizes
#> 5 11/12/2017 12:00AM Directory         doc
#> 6 11/12/2017 12:00AM Directory       ports
#> 7 04/22/2020 08:00PM Directory    releases
#> 8 11/09/2018 12:00AM Directory   snapshots

^{由reprex package (v0.3.0) 于 2020 年 4 月 22 日创建}