如何在R中读取网页并用I制作数据表

Question

这里是网站，有5个属性

http://cpdocket.cp.cuyahogacounty.us/SheriffSearch/results.aspx?q=searchType%3dZipCode%26searchString%3d44106%26foreclosureType%3d%26dateFrom%3d10%2f6%2f2016+12%3a00%3a00+AM%26dateTo%3d4%2f6%2f2017+11%3a59%3a59+PM

我怎么能把这个网站读入R，然后用它做一张这样的表格呢

Address                         Prorated_Tax
1462 EAST 115TH STREET          $0.00
10531 37 LEE AVE                $0.00
10526 ORVILLE AVENUE            $0.00
1116 ASHBURY AVENUE             $0.00
2780 EAST OVERLOOK              $0.00

或者我可以用Python来做吗？你知道吗

Answer 1

这个问题很宽泛，但我可以提出一些建议。你知道吗

你在这里要做的就是刮。这里有一篇关于如何在python中实现这一点的文章： http://docs.python-guide.org/en/latest/scenarios/scrape/ 基本思想是使用requests模块获取网页，然后使用lxml将其解析为XML树并从该树中获取值。你知道吗

当然，如果您能更直接地访问这些数据，比如从restapi或数据库访问，那就更好了。刮削很容易受到攻击，因为当网页的设计和结构发生变化时，刮削代码会停止工作，直到您对其进行相应的调整。你知道吗

如果这是一个只运行一次或在有限的时间段内运行的脚本，并且数据量不太大，那么这个方法是非常好的。你知道吗

如果您搜索R，也可能有等价的库。你知道吗

Answer 2

使用bash可以使用curl命令

website = "www.interestingsite.com"
cmd = paste( "curl", website, "> temp" )
system( cmd )

网站的html内容将存储在这个temp文件中，通过遍历可以提取其内容。你知道吗