BeautifulSoup在R语言里的实现

一说到爬虫，大家第一时间想到的便是Python，但是实际上，R也能实现爬虫的功能，并且在某些特定的结构中，R的效率非常高，下面就来介绍一个关于R语言实现BeautifulSoup的功能的例子。

同样的，我们以天天基金网的QDII 基金净值为例子（详情可以见我上一篇文章点击打开链接），为了爬取其中symbol以及净值数据，R可以通过短短几行代码实现：

install.packages('XML') #安装包
library(XML)  #读取包
url<- 'http://fund.eastmoney.com/QDII_jzzzl.html#os_0;isall_0;ft_;pt_6' #网址
tables<- readHTMLTable(url,which=3) #读取table，which=3意思是读取网页结构里面第三个table
fund<-tables[,c(4,8)]  #获取需要的数据，第三列为symbol，第八列为净值
colnames(fund)<-c('symbol','NAV')  #命名

最后结果为：

可以发现R爬取网页非常简洁，且能达到与python一样的效果，难点在于1.which=3需要自己取网页代码源里去找（你不找其实也无所谓，就是会把所有table结构都抓下来）；2.这个function只能抓table结构的数据，同理有一个readHTMLList function，具体功能就不介绍了

在功能的完整性上，PYTHON绝对优于R，毕竟R基本上只服务于统计与数据分析，这篇文章提供一个思路，为只使用R的人来实现数据获取提供可能性。