如何在 R 中访问 Https 页面答案

【问题标题】：How to access to Https page in R如何在 R 中访问 Https 页面
【发布时间】：2015-04-22 14:45:19
【问题描述】：

在 R 中编码，我正在尝试从网站解析一些信息，比如链接页面。链接的网址是

url = "http://www.linkedin.com/in/lillyzhu"

使用 readLines 和 XML 包收集我需要的信息没有问题。但是，该网址变成了

url = "https://www.linkedin.com/in/lillyzhu"

readLines 函数失败。

readLines(url) 文件中的错误（con，“r”）：无法打开连接在 file(con, "r") 中：不支持的 URL 方案

如果url是R中的https，你知道有什么方法可以读入web信息吗？非常感谢。

【问题讨论】：

标签： r

【解决方案1】：

你试过 R 包 httr 吗？简单如：

library('httr')    
content(GET('https://www.linkedin.com/in/lillyzhu'))

【讨论】：

谢谢。但是，使用这种方法，我只得到了而不是
精明，你得到了内容，它只是截断响应以供显示。

【解决方案2】：

readLines() 不支持“https”。但这可以很容易地通过包“RCurl”来获取 URL 内容，并包 XML 来解析 html 文本。

library(XML)
library(RCurl)

content <- getURL("https://www.linkedin.com/in/lillyzhu")
doc <- htmlParse(content, asText = TRUE)

summary(doc)    
# $nameCounts
# 
#    span      div       li   script        a       br     meta        p 
#     104       92       79       77       73       22       19       14 
#    time       h5      img     link       h3       ul       h4   header 
#      14       13       13       10        9        8        7        7 
#      h2   strong       ol       td       th       tr    input noscript 
#       5        5        4        4        4        4        3        3 
#  button       dd       dt   iframe    label     body       dl       em 
#       2        2        2        2        2        1        1        1 
#    form       h1     head       hr     html    table    title 
#       1        1        1        1        1        1        1 
# 
# $numNodes
# [1] 613

【讨论】：

【解决方案3】：

只需在readLines 之前使用setInternet2(TRUE)。

setInternet2(TRUE)
web_page <- readLines("https://www.linkedin.com/in/lillyzhu")

另请参阅：Error in download.file unsupported URL scheme

【讨论】：

聪明。这是迄今为止我得到的最简单的解决方案。非常感谢。
这仅适用于Windows用户
从 R 3.3.0 开始，setInternet2 现已失效。所以这个解决方案对于 R 3.3.0 或更高版本不再可行。