作者简介Introduction
傅兴：R语言中文社区专栏作者
个人公众号：Rapp
在学习英语的过程中，相信很多人都有和我一样的感受：虽然花了很多时间和金钱，但是总觉得收效甚微，ROI（Return on Investment）很低。
我觉得学好英语和学好R语言有很多共同之处：
1. 要找到适合自己当前水平的学习资料（过于简单是浪费时间，难度过大容易丧失信心）
2. 广泛涉猎各种领域，用英语/R来解决工作和生活中的实际问题
3. 坚持不懈地努力
根据以上几点，我在挑选英语学习资料的时候，设置了3个标准：
1. 难度适中（客观地看待自己的英语水平）
2. 题材广泛，趣味性强（开阔眼界，积累与老外聊（ba）天（gua）时的谈资）
3. 短小精炼（可以利用5-10分钟的时间碎片来学习，容易坚持下去）
最终，我选择的是来自 BBC Learning English 的 6-Minite English：
http://www.bbc.co.uk/learningenglish/english/features/6-minute-english
这个栏目每周都有更新，而且每一期的文档（pdf）和语音（mp3）文件都可以免费下载。我们今天的目标就是用R来自动获取从2014年到2017年的所有pdf和mp3文件。
在动手写爬虫之前，我们需要浏览页面，确定需要获取的内容，并制订爬取策略。
6-Minute English的主页上有2014到2017年每一期（episode）的链接：
点击图片下方绿色的标题可以进入这一期的页面：
我们需要获取的目标链接就是页面右上方的 Download PDF/Audio
我们的爬取策略如下：
1. 下载并解析6-Minute English的主页，找出所有episode的链接和时间信息
2. 根据用户指定的起止日期，筛选出部分episode
3. 依次下载并解析每个episode的页面，找到pdf和mp3文件的链接
4. 下载pdf和mp3文件（首先判断pdf和mp3文件是否已经下载，避免重复下载）
具体代码和注释如下：
程序的输出：
提醒大家注意的是，在比较日期大小的时候一定要从字符型（character）转化成日期型（Date）。
今天的R爬虫就介绍到这里，大家学完了R爬虫，可别忘记学英语哦。如果不付诸行动，再好的学习资料也无济于事！
往期回顾
大家都在看
公众号后台回复关键字即可学习
回复 爬虫 爬虫三大案例实战
回复 Python 1小时破冰入门回复 数据挖掘 R语言入门及数据挖掘
回复 人工智能 三个月入门人工智能
回复 数据分析师 数据分析师成长之路
回复 机器学习 机器学习的商业应用
回复 数据科学 数据科学实战
回复 常用算法 常用数据挖掘算法
扫一扫
238
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
