189 8069 5689
这篇文章主要讲解了“R语言如何获取数据”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“R语言如何获取数据”吧！
十载专注成都网站制作，成都定制网站，个人网站制作服务，为大家分享网站制作知识、方案，网站设计流程、步骤,成功服务上千家企业。为您提供网站建设,网站制作,网页设计及定制高端网站建设服务,专注于成都定制网站,高端网页制作,对成都自拌料搅拌车等多个行业，拥有丰富的网站维护经验。
今天只分享数据获取的代码，为了显得项目规范性（其实就是装X），我第一次使用了Rstudio中的Create Projects菜单创建了本地项目仓库（以前写R代码太飘逸了，写的龙飞凤舞，完全不顾及别人能不能看懂，以后不可以这样了，因为工作中已经吃过很大亏了）。
因为是含有二级列表页，所以第一步的想法自然是先爬取年份链接，然后遍历链接抓取每一年份中的文档。
可能因为自己文科生思维的问题，不太习惯直接写双层for循环（因为看到会不适），所以遇到这种需要二次遍历的，我一般都会拆成两个小步骤去进行：
1、遍历年份对应的对应年政府工作报告主页链接：
## !/user/bin/env RStudio 1.1.423
## -*- coding: utf-8 -*-
## Pages_links Acquisition## 加载必要的安装包：
library("rvest")
library("stringr")
library("Rwordseg")
library("wordcloud2")
library("dplyr")#主网址
url <- "http://www.gov.cn/guowuyuan/baogao.htm"#提取二级链接
txt<-read_html(url) %>%
html_nodes("#history_report") %>%
html_nodes("p") %>%
html_text()#提取年份&链接信息：
Base <- read_html(url) %>% html_nodes("div.history_report") %>% html_nodes("a")
Year <- Base %>% html_text(trim = TRUE) %>% as.numeric()
Links <- Base %>% html_nodes("a") %>% html_attr("href") %>% str_trim("both")#合并成数据框：
Reports_links <- data.frame(
Year = Year,
Links = Links,
stringsAsFactors = FALSE
)#存放到本地目录中
if (!dir.exists("data")){
dir.create("data")
write.csv(
Reports_links, "./data/Reports_links.csv",
row.names=FALSE
)
}
以上代码为了便于理解，我都拆成单句展示了，github中代码都会是封装好的模块化函数。
2、从每一个年份对应的链接中获取整个政府工作报告的文档文本：
#加载包
library("rvest")
library("dplyr")
library("magrittr")
library("doParallel")
library("foreach")#读取年份及对应链接
Links_data <- read.csv("./data/Reports_links.csv",stringsAsFactors = FALSE) %>% arrange(Year)#创建文档提取函数：
Get_Corpus_Report <- function(i){
url = grep(i,Links_data$Year) %>% Links_data$Links[.]
read_html(url) %>%
html_nodes("td.p1,tr > td,div.pages_content") %>%
html_text("both") %>%
cat(file = sprintf("./data/Corpus/%d.txt",i))
}以上需用到较为基础的CSS表达式配色rvest来提取文档，如果你还不太了解这块的内容，赶快通过菜单中的网络数据获取笔记来恶补。
没有构造循环，这里用了foreach包提供的多进程并行爬取方案来处理多循环问题（虽然这里的量级还体现不出来并行的优势，但是整体代码要比写循环简介、高效）
system.time({
if (!dir.exists("./data/Corpus")){
dir.create("./data/Corpus")
}
cl<- makeCluster(4)
registerDoParallel(cl)
tryCatch({
foreach(
i= Links_data$Year,
.combine = c,
.packages = c("rvest","magrittr")
) %dopar% Get_Corpus_Report(i)
}, error = function(e) {
print(e)
},
finally = stopCluster(cl)
)
})
感谢各位的阅读，以上就是“R语言如何获取数据”的内容了，经过本文的学习后，相信大家对R语言如何获取数据这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是创新互联，小编将为大家推送更多相关知识点的文章，欢迎关注！