r语言html爬虫,用R语言三行代码写爬虫

每当程序员们感叹“人生苦短”的时候，都会想到Python——这段子已经如同“Hello World”一样成为圈子里的流行梗——不过最近，我对Python的感觉还是发生了变化。上周末我们一群奔三的研究僧在南京碰头，我发现大多数公共管理方向的学生学习Python的原始动力来自于网页爬虫——为论文找到更好的数据；但是显然，仅就这个目的而言，新学一门编程语言还是一件不太轻松的事，加上Python3.X与Python2.X命令在语法结构上略有差异，让我越来越感觉在公共管理的江湖上，Python网页爬虫的武林地位有可能被R语言取代。

这一期就来讲讲如何用R语言写网页爬虫，我用爬虫教程惯用的案例——下载和解析豆瓣电影TOP250的数据来做具体演示；对于其他的网页爬虫方法及工具，请参阅我的另一篇文章：抓取网页数据的六种工具，那篇文章里包含一段“百度新闻”的Python爬虫代码。

我在正式装13之前，需要先来解释三个概念：HTML、CSS和 JavaScript，这有助于理解后面的代码；我假设这篇文章的读者没有修过类似“大学计算机基础”这样的课程，如果有读者学习过这门课程，下面这一部分就可以直接跳过。什么是“网页(源代码)”？纯文本

什么是“网页”？就是我们每天用浏览器打开的东西呗——不行，这个定义太感性了，我换一个更理性一点的问题——网页是怎么用代码写成的？要回答这个问题，我们不妨找来一个网页看看，就拿“京东商城”来说事儿吧，毕竟免费给老学长打广告我还是乐意的；下面是京东的主页及源代码(我用的是Microsoft Edge浏览器，网页右击“查看源”，下同；其他浏览器类似)：