//转载:http://www.r-china.net/forum.php?mod=viewthread&tid=881&extra=page%3D1
//用R抓取人民日报网数据
library(RCurl) for (i in 1:4) { base <- "http://vip.stock.finance.sina.com.cn/corp/go.php/vMS_MarketHistory/stockid/603000.phtml?year=2013&jidu=" jidu <- i url <- paste(base,jidu,sep='') temp <- getURL(url) k=strsplit(temp,"\r\n")[[1]] #以list形式展现,方便以下操作 #抓取日期 timeadr <- k[grep("<a target='_blank'",k)+1] #第1行 日期 time=substring(timeadr,4,13) print(unlist(strsplit(time," "))) #抓取 开盘价,最高价,收盘价,最低价 for(j in 3:6) #一个季度源代码中第3到6行 { xxx <- k[grep("<a target='_blank'",k)+j] # 所需信息 xx <- gregexpr(">\\d+",xxx) #找出指定元素在本行第几位 for(m in 1:length(xxx)) { yy=xx[[m]] xxs=substring(xxx[m],yy+1,yy+attr(yy,'match.length')+3) #3:6行+3 print(xxs) #每次循环都输出该值 } } #抓取交易量 xxx=k[grep("<a target='_blank'",k)+7] #抓取路径下第7行 交易量 xx=gregexpr(">\\d+",xxx) #找出指定元素在本行第几位 for(n in 1:length(xxx)) { yy=xx[[n]] xxs=substring(xxx[n],yy+1,yy+attr(yy,'match.length')-1) #3:6行+3 7行-1 8行-1 print(xxs) #每次循环都输出该值 } #抓取交易金额 xxx=k[grep("<a target='_blank'",k)+8] #抓取路径下第8行 交易金额 xx=gregexpr(">\\d+",xxx) #找出指定元素在本行第几位 for(o in 1:length(xxx)) { yy=xx[[o]] xxs=substring(xxx[o],yy+1,yy+attr(yy,'match.length')-1) #3:6行+3 7行-1 8行-1 print(xxs) #每次循环都输出该值 } }
需要的基础有:RCurl包及其函数,R字符处理,正则表达式
刚入门,学习中。。。