RCurl来了-RCurl三大函数初识

转载请注明出处啊喂！

http://blog.csdn.net/jansii/article/details/38757627

看一眼Temple Lang提供的RCurl介绍文档，里面看起来函数不少，但例子又不多，足够让人看得七荤八素了。

以下是自己总结的RCurl三大函数，三个大boss。

简而言之，getURL读脚本，getForm提交URL可见的参数再读回响应体，postForm提交隐藏的数据再得到返回结果。

当然如果想要完成爬虫功能的话，会字符串处理功能那是极好的，不会的话……就去学吧。

上篇文章   “RCurl来了-从数据抓取讲起”   已经总结了浏览器与服务器交互过程以及相应问答信息，这里就不赘述了，说说看如何用RCurl把这些参数调出来看吧。

首先一个小函数

###url.exists

url.exists("http://www.baidu.com")

url.exists("ftp.wcc.nrcs.usda.govx")

会返回“TRUE”或“FALSE”回答此URL是否存在。也就是说当我们后面要抓网页的时候，大可使用以下的防御式编程模式：

if( url.exists(URL) ){ cat("get it!") }

来防止读取出错。

d= debugGatherer()

#设置一个用来回传信息的函数，会累积，可重新跑几次看看

temp<- getURL("http://www.dataguru.cn",debugfunction=d$update,verbose= TRUE)

d的value中就已经包含了交互的信息，可以用cat进行查看~

同样的道理，basicTextGatherer()以及basicHeaderGatherer()跟debugGatherer()的作用是类似的，

可以用来查看服务器端返回的头信息，前者是字符串形式，后者返回列表形式（比较容易看辣）

截个图证明我没有说谎：

通过以下方法返回的信息更加丰富，包括响应时间、连接时间等等。如果我们在测试代理服务器的效用，也就是它的响应时间长短，就可以用这个提取出来：

curl= getCurlHandle()

destination=getURL("http://www.dataguru.cn/",curl = curl)

getCurlInfo(curl)

names(getCurlOptionsConstants())通过这个指令可以查看参数，有170+个之多

不赘述，需要的时候就查了用吧。可以参考curl，甚至从pycurl一窥究竟呢~

用GoogleHK测试一下getForm，反应很慢……

getForm("http://www.google.com.hk/search",q ="RCurl",hl = "en", ie = "ISO-8859-1", oe = "ISO-8859-1",btnG = "Google+Search")

postForm复杂多了……

等有空再更……