R_Language 板


LINE

1F:→ clansoda: 请问C大,这种网页是不是完全爬不了06/21 16:20
3F:→ clansoda: 外面能爬的那个网页,他大概有几百个缺漏值,可能他後来06/21 16:21
4F:→ clansoda: 就不曾更新了,因此有些新开的他就没加进去了06/21 16:21
好读版:http://pastebin.com/zNjkb0uh csv结果:http://www.mediafire.com/download/a3d7aat94yhz16n/familyMart_loc.csv 我用查邮递区号方式去对inquery.aspx查询 这里最重要的是用curl的referer 我一开始找不到httr的方法去设定,所以先用了RCurl去做 後面补上用httr的GET的做法 library(httr) library(xml2) library(pipeR) library(purrr) library(stringi) library(stringr) library(RCurl) library(jsonlite) url_postCodes <- "http://www.easytravel.com.tw/postid_search.asp" all_postCodes <- url_postCodes %>>% GET %>>% content(encoding = "big5") %>>% xml_find_all("//td/font") %>>% xml_text %>>% stri_conv(from = "UTF-8", to = "Big5") %>>% str_extract("\\d{3}") %>>% `[`(!is.na(.)) %>>% as.integer # method with RCurl::getURL familyMartLoc <- lapply(all_postCodes, function(postCode){ url_toPrint <- str_c("http://api.map.com.tw/net/GraphicsXY.aspx?", "search_class=Zip&Zip=%i&fun=getCityByZipReturn") city_area <- sprintf(url_toPrint, postCode) %>>% getURL(referer = "http://www.family.com.tw/marketing/inquiry.aspx") %>>% str_replace_all("getCityByZipReturn\\(|\\)", "") %>>% fromJSON url_toPrint <- str_c("http://api.map.com.tw/net/familyShop.aspx?", "searchType=ShopList&type=&city=%s&area=%s&road=&", "fun=showStoreList&key=6F30E8BF706D653965BDE302661D1241F8BE9EBC") sprintf(url_toPrint, city_area$COUNTY, city_area$TOWN) %>>% getURL(referer = "http://www.family.com.tw/marketing/inquiry.aspx") %>>% str_replace_all("showStoreList\\(|\\)", "") %>>% fromJSON }) %>>% do.call(what = rbind) # method with httr::GET familyMartLoc2 <- lapply(all_postCodes, function(postCode){ url_toPrint <- str_c("http://api.map.com.tw/net/GraphicsXY.aspx?", "search_class=Zip&Zip=%i&fun=getCityByZipReturn") city_area <- sprintf(url_toPrint, postCode) %>>% GET(config(referer = "http://www.family.com.tw/marketing/inquiry.aspx")) %>>% content("text") %>>% str_replace_all("getCityByZipReturn\\(|\\)", "") %>>% fromJSON url_toPrint <- str_c("http://api.map.com.tw/net/familyShop.aspx?", "searchType=ShopList&type=&city=%s&area=%s&road=&", "fun=showStoreList&key=6F30E8BF706D653965BDE302661D1241F8BE9EBC") sprintf(url_toPrint, city_area$COUNTY, city_area$TOWN) %>>% GET(config(referer = "http://www.family.com.tw/marketing/inquiry.aspx")) %>>% content("text") %>>% str_replace_all("showStoreList\\(|\\)", "") %>>% fromJSON }) %>>% do.call(what = rbind) partial results: NAME TEL POSTel px py 1 全家新德店 02-23214351 02-77463163 121.5316 25.04447 2 全家台医店 02-23278841 02-23279603 121.5185 25.04079 3 全家南机场店 02-23039420 02-77095865 121.5058 25.02840 4 全家新惠安店 02-23036887 02-77300717 121.5065 25.02953 5 全家新龙口店 02-23047184 02-77300715 121.5104 25.02723 6 全家新厦门店 02-23681443 02-77397215 121.5176 25.02532 -- R资料整理套件系列文: magrittr #1LhSWhpH (R_Language) http://tinyurl.com/j3ql84c data.table #1LhW7Tvj (R_Language) http://tinyurl.com/hr77hrn dplyr(上) #1LhpJCfB (R_Language) http://tinyurl.com/jtg4hau dplyr(下) #1Lhw8b-s (R_Language) tidyr #1Liqls1R (R_Language) http://tinyurl.com/jq3o2g3 --



※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 211.76.63.212
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/R_Language/M.1466514438.A.696.html ※ 编辑: celestialgod (211.76.63.212), 06/21/2016 21:19:40
5F:推 clansoda: C大可以请您说明一下原理吗 我只看得懂取得邮递区号那边 06/22 15:51
6F:→ clansoda: 後面的这串API网址是哪里来的呀 点下去是奇怪的网页 06/22 15:52
7F:→ clansoda: 看不太懂中间的来龙去脉 06/22 15:52
8F:→ celestialgod: 按F12去看查询时的网页 06/22 17:36
9F:→ celestialgod: network那个标签可以看到你查询到你网页送出的reque 06/22 17:47
10F:→ celestialgod: st 06/22 17:47
11F:推 clansoda: 我今天试着去搞懂他 06/23 09:10
12F:推 clansoda: str_c跟paste0有不同吗 我写起来的效果好像一样 06/23 09:59
13F:→ celestialgod: 效果一样 06/23 10:00







like.gif 您可能会有兴趣的文章
icon.png[问题/行为] 猫晚上进房间会不会有憋尿问题
icon.pngRe: [闲聊] 选了错误的女孩成为魔法少女 XDDDDDDDDDD
icon.png[正妹] 瑞典 一张
icon.png[心得] EMS高领长版毛衣.墨小楼MC1002
icon.png[分享] 丹龙隔热纸GE55+33+22
icon.png[问题] 清洗洗衣机
icon.png[寻物] 窗台下的空间
icon.png[闲聊] 双极の女神1 木魔爵
icon.png[售车] 新竹 1997 march 1297cc 白色 四门
icon.png[讨论] 能从照片感受到摄影者心情吗
icon.png[狂贺] 贺贺贺贺 贺!岛村卯月!总选举NO.1
icon.png[难过] 羡慕白皮肤的女生
icon.png阅读文章
icon.png[黑特]
icon.png[问题] SBK S1安装於安全帽位置
icon.png[分享] 旧woo100绝版开箱!!
icon.pngRe: [无言] 关於小包卫生纸
icon.png[开箱] E5-2683V3 RX480Strix 快睿C1 简单测试
icon.png[心得] 苍の海贼龙 地狱 执行者16PT
icon.png[售车] 1999年Virage iO 1.8EXi
icon.png[心得] 挑战33 LV10 狮子座pt solo
icon.png[闲聊] 手把手教你不被桶之新手主购教学
icon.png[分享] Civic Type R 量产版官方照无预警流出
icon.png[售车] Golf 4 2.0 银色 自排
icon.png[出售] Graco提篮汽座(有底座)2000元诚可议
icon.png[问题] 请问补牙材质掉了还能再补吗?(台中半年内
icon.png[问题] 44th 单曲 生写竟然都给重复的啊啊!
icon.png[心得] 华南红卡/icash 核卡
icon.png[问题] 拔牙矫正这样正常吗
icon.png[赠送] 老莫高业 初业 102年版
icon.png[情报] 三大行动支付 本季掀战火
icon.png[宝宝] 博客来Amos水蜡笔5/1特价五折
icon.pngRe: [心得] 新鲜人一些面试分享
icon.png[心得] 苍の海贼龙 地狱 麒麟25PT
icon.pngRe: [闲聊] (君の名は。雷慎入) 君名二创漫画翻译
icon.pngRe: [闲聊] OGN中场影片:失踪人口局 (英文字幕)
icon.png[问题] 台湾大哥大4G讯号差
icon.png[出售] [全国]全新千寻侘草LED灯, 水草

请输入看板名称,例如:BabyMother站内搜寻

TOP