从R中的javascript（网页）刮取xls文件

Question

我正在尝试创建一个R脚本，该脚本具体详细说明如何获取我在R中用于分析的数据，以实现可重现性。通常第一步就像将xls文件的URL分配给R中的变量并从那里继续进行一样简单，但我正在搜索的网站似乎通过javascript（我不知道的语言）生成其xls文件。

按照以下步骤操作示例XLS：

1. 转到http://hcupnet.ahrq.gov/HCUPnet.jsp?Id=B08F84A071883804&Form=SelDXPR&JS=Y&Action=%3E%3ENext%3E%3E&_DXPR=DX1
2. 点击“校长诊断”
3. 在文本框中输入“599.0”（不带引号），并选中“单独分别检查每个代码”的单选按钮
4. 点击“下一步”
5. 在此页面上检查所有单选按钮
6. 点击“下一步”
7. 在此页面上检查所有单选按钮
8. 点击“下一步”

在此页面上，您应该看到所有数据以及一些链接。其中一个链接标题为“将结果另存为Excel电子表格”。单击此链接将下载包含数据的XLS文件到您的计算机。

我已经检查了该元素，并且可以清楚地看到它正在查询数据库，我只是不完全确定如何将该查询放入我的R脚本中以拉下xls文件。

非常感谢任何帮助。

Answer 1

（可能在技术上不是一个完整的答案，但评论框不允许真正的格式化）

RSelenium可以执行所有这些操作。但是，会有多种不同的选择/组合选项吗？如果没有，你可以建立一个像这样的URL列表：

http://hcupnet.ahrq.gov/HCUPnet.jsp?Parms=H4sIAAAAAAAAACWJPQ.CMBgG_5KYMDACHSTGBgUT16fvtcrXoos_nybc5ab766evfDcU52vnonsVmlVWVfCnFIcQw9rXo0wEDIgsrGwk3ppkNQ0tTnb72BNPP7YX7jzyy6YDzbkdSuxNr2gAAAA6D4E19A7096C3AE9FD48005A5B0802A684BBBEB8

每次下载都会直接进入该页面。您可以通过点击 Esc 来捕获该网址，而不是实际下载XLS文件，然后从位置栏复制网址。

在该页面上，您可以使用XML库或rvest来提取并提取以下代码后的onclick属性：

<a href="Javascript:void(0)" 
   onclick="window.open('HCUPnet.xls?Id=0A8C3E07CD01B562&amp;Form=DispTab&amp;JS=&amp;Action=%3E%3ENext%3E%3E&amp;__InDispTab=Yes&amp;_Results=Save&amp;_Results3=&amp;SortOpt=');">
<img height="19" src="arrow_off3.gif" alt="" align="absMiddle" width="15" border="0">
 Email a link to this page</a>

（我包含完整的锚引用，因为您需要在XPath或CSS选择器中使用它来查找该标记，但您可能只需执行XPath或CSS“contains”for {{也可以在HCUPnet.xls属性中添加1}}。

然后，只需从中提取onclick字符串，并在HCUP…调用中将http://hcupnet.ahrq.gov/添加到其中。