Question

我正在尝试使用R中RCurl包的getURL函数从API中抓取页面上的数据。我的问题是我无法复制当我在Chrome中打开URL时获得的响应使用R发出请求。实际上，当我在Chrome中打开API页面（下面的网址）时它工作正常但如果我在R中使用getURL请求它（或在Chrome中使用隐身模式）我会得到一个＆＃39; 500内部服务器错误＆＃39;响应，而不是我正在寻找的漂亮的JSON。

有问题的网址/ API： http://www.bluenile.com/api/public/loose-diamond/diamond-details/panel?country=USA&currency=USD&language=en-us&productSet=BN&sku=LD04077082

这是[R]中的（失败）请求。

test2 <- fromJSON(getURL("http://www.bluenile.com/api/public/loose-diamond/diamond-details/panel?country=USA&currency=USD&language=en-us&productSet=BN&sku=LD04077082", ssl.verifypeer = FALSE, useragent = "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/37.0.2062.124 Safari/537.36"))

我的研究到目前为止 首先，我在堆栈上查看了这个先前的问题，并在我的useragent中添加了请求（没有解决问题，但可能仍然是必要的）： ViralHeat API issues with getURL() command in RCurl package

接下来，我查看了这个有用的帖子，它指导了我的理由： R Disparity between browser and GET / getURL

我对解决方案的看法 这不是我的专业领域，但我的猜测是请求缺少完成请求所需的cookie（因此它在隐身模式下无法在我的浏览器中工作）。我将成功请求的请求和响应与不成功的请求进行了比较：

成功请求 enter image description here

请求失败：

enter image description here

有人有什么想法吗？我应该尝试使用MrFlick在我发表的第二篇文章中提出的包RSelenium包。

Answer 1

这是一个有礼貌的网站。它想知道您使用的货币来自哪里等，以便为您提供更好的用户体验。它通过在目标网页上设置大量Cookie来实现此目的。所以我们跟着并导航到着陆页首先获取cookie然后我们转到我们想要的页面：

library(RCurl)
myURL <- "http://www.bluenile.com/api/public/loose-diamond/diamond-details/panel?country=USA&currency=USD&language=en-us&productSet=BN&sku=LD04077082"
agent="Mozilla/5.0 (Windows NT 6.3; WOW64; rv:32.0) Gecko/20100101 Firefox/32.0"

#Set RCurl pars
curl = getCurlHandle()
curlSetOpt(cookiejar="cookies.txt",  useragent = agent, followlocation = TRUE, curl=curl)
firstPage <- getURL("http://www.bluenile.com", curl=curl)
myPage <- getURL(myURL, curl = curl)

library(RJSONIO)
> names(fromJSON(myPage))
[1] "diamondDetailsHeader" "diamondDetailsBodies" "pageMetadata"         "expandedUrl"         
[5] "newVersion"           "multiDiamond"

和cookies：

> getCurlInfo(curl)$cookielist
 [1] ".bluenile.com\tTRUE\t/\tFALSE\t2412270275\tGUID\tDA5C11F5_E468_46B5_B4E8_D551D4D6EA4D"                                                                    
 [2] ".bluenile.com\tTRUE\t/\tFALSE\t1475342275\tsplit\tver~3&presetFilters~TEST"                                                                               
 [3] ".bluenile.com\tTRUE\t/\tFALSE\t1727630275\tsitetrack\tver~2&jse~0"                                                                                        
 [4] ".bluenile.com\tTRUE\t/\tFALSE\t1425230275\tpop\tver~2&china~false&french~false&ie~false&internationalSelect~false&iphoneApp~false&survey~false&uae~false" 
 [5] ".bluenile.com\tTRUE\t/\tFALSE\t1475342275\tdsearch\tver~6&newUser~true"                                                                                   
 [6] ".bluenile.com\tTRUE\t/\tFALSE\t1443806275\tlocale\tver~1&country~IRL&currency~EUR&language~en-gb&productSet~BNUK"                                         
 [7] ".bluenile.com\tTRUE\t/\tFALSE\t0\tbnses\tver~1&ace~false&isbml~false&fbcs~false&ss~0&mbpop~false&sswpu~false&deo~false"                                   
 [8] ".bluenile.com\tTRUE\t/\tFALSE\t1727630275\tbnper\tver~5&NIB~0&DM~-&GUID~DA5C11F5_E468_46B5_B4E8_D551D4D6EA4D&SESS-CT~1&STC~32RPVK&FB_MINI~false&SUB~false"
 [9] "#HttpOnly_www.bluenile.com\tFALSE\t/\tFALSE\t0\tJSESSIONID\tB8475C3AEC08205E5AC6252C94E4B858"                                                             
[10] ".bluenile.com\tTRUE\t/\tFALSE\t1727630278\tmigrationstatus\tver~1&redirected~false"

＆＃39; RCurl＆＃39;抓取API时[R]包getURL网页错误

1 个答案: