用r语言读取html图片,R语言网页提取信息实例

一、从URL读取并返回html树

1.1 Rcurl包

使用Rcurl包可以方便的向服务器发出请求，捕获URI，get

和 post 表单。比R socktet连接要提供更高水平的交互，并且支持

FTP/FTPS/TFTP，SSL/HTTPS,telnet

和cookies等。本文用到的函数是basicTextGatherer和getURL。想详细了解这个包的可以点击参考资料的链接。

R命令：

h

txt

参数url即为需要访问的url这里参数用headerfunction用到上一条命令返回的头信息，.encoding指定网页的编码方式为“UTF-8"。

网页的编码方式有很多，一般采用UTF-8，一些中文网页编码方式为“gbk"，可以在浏览器的网页代码查看或者getURL返回的字符串看到。

小木虫网页代码查看

可见小木虫网页编码方式为gbk。

1.2 XML包

R语言XML包

具有读取或者创建XML(HTML)文件的功能，可以本地文件也支持HTTP 或者 FTP

，也提供Xpath(XML路径语言)解析方法。此处函数htmlparse,将文件解析为XML或者HTML树，便于进一步数据的提取或者编辑。

R命令：

htmlParse(file,asText=T,enc