当需要持续更新通过爬虫获取的数据时,我们通常可以设置定时任务自动爬取,而不用每次人工运行爬虫程序。
通过R语言中的Rselenium包爬取数据需要先启动服务器,所以定时爬取就不只是运行一个R语言脚本程序即可。
要设置R语言Rselenium包定时自动爬取网页有两个方法:
方法1.先设置定时任务启动服务器(selenium-server-standalone-4.0.0-alpha-2.jar),再设置另一个定时任务运行R语言脚本程序。
方法2.在批处理程序(.bat程序)中依次启动服务器、运行R语言脚本程序,设置定时任务运行批处理程序。
如下是通过方法2设置Rselenium包自动定时爬取网页的步骤:
1.准备好R语言爬虫脚本程序。
最好先在RGui中通过source('待执行脚本.R'),测试通过R语言脚本程序。
因为Rscript.exe本质是R程序,而RStudio是R的集成开发环境,是不同的两个程序且RStudio的兼容性更好,所以RStudio成功运行的R程序在R中运行可能会出现其他异常需要处理。
使用Rselenium包爬取数据的方法及示例见:Rselenium爬虫 。
2.编写批处理程序(.bat程序)。
代码示例如下:
#启动jar包服务器时,命令