【发布时间】:2016-12-28 07:59:55
【问题描述】:
我正在尝试通过RCurl 从国家信息中心下载 pdf,但遇到了一些麻烦。对于这个例子URL,我想要与默认设置对应的pdf,除了“报告格式”应该是“PDF”。当我运行以下脚本时,它会保存与选择其他按钮相关的文件(“...的父级”/HMDA - 不是默认值)。我尝试将这些输入元素添加到params,但它没有改变任何东西。有人可以帮我找出问题吗?谢谢。
library(RCurl)
curl = getCurlHandle()
curlSetOpt(cookiejar = 'cookies.txt', curl = curl)
params = list(rbRptFormatPDF = 'rbRptFormatPDF')
url = 'https://www.ffiec.gov/nicpubweb/nicweb/OrgHierarchySearchForm.aspx?parID_RSSD=2162966&parDT_END=99991231'
html = getURL(url, curl = curl)
viewstate = sub('.*id="__VIEWSTATE" value="([0-9a-zA-Z+/=]*).*', '\\1', html)
event = sub('.*id="__EVENTVALIDATION" value="([0-9a-zA-Z+/=]*).*', '\\1', html)
params[['__VIEWSTATE']] = viewstate
params[['__EVENTVALIDATION']] = event
params[['btnSubmit']] = 'Submit'
result = postForm(url, .params=params, curl=curl, style='POST')
writeBin( as.vector(result), 'test.pdf')
【问题讨论】:
标签: r web-scraping rcurl httr