我正在学习如何使用R从网页上抓取数据。与我合作的网站是：
问题是列表不在1页上，但在这种情况下，在7个不同的页面上。用户通过底部的箭头按钮导航到下一页。但是，URL是静态的。无论是在第1页还是第5页，URL都保持不变。因此，我不知道如何将R指向下一页以检索其他信息。
目前我使用readLines从页面中获取数据。
con <- url("http://sheriff.franklincountyohio.gov/search/real-estate/results.aspx?q=searchType%3dSaleDate%26searchString%3d12%2f26%2f2014%26foreclosureType%3d%26sortType%3ddefendant")
html <- readLines(con)
close(con)
然后XML包开始解析我想要的数据。
html.data <- htmlTreeParse(html, useInternalNodes = TRUE)
由于防火墙，我在使用XML，RCurl和httr包时遇到了麻烦。上面的方法似乎是我可以抓取数据的唯一方法。所以我的功能可能会受限于链接。
任何帮助将不胜感激！我搜索了一堆，似乎无法找到答案。
答案 0 :(得分：0)
在网页中，您有“打印销售清单”按钮，该按钮显示一个新的信息，其中包含在单个页面中编译的所有信息（可能在您发布问题时，网页没有该按钮）。
url<-'http://sheriff.franklincountyohio.gov/search/real-estate/printresults.aspx?q=searchType%3dSaleDate%26searchString%3d12%2f26%2f2014+12%3a00%3a00+AM%26foreclosureType%3d%26sortType%3ddefendant%26saleDateFrom%3d%26saleDateTo%3d'
table<-readHTMLTable(url)
table1<-as.data.frame(table)
str(table1)
'data.frame': 92 obs. of 8 variables:
$ c_printsearchresults_gvResults.Case.Number : Factor w/ 92 levels "07CV4653\r\n PLURIESBANKRUPTCY",..: 23 47 33 90 91 82 85 77 68 83 ...
$ c_printsearchresults_gvResults.Property.Address : Factor w/ 92 levels "1038\r\n \r\n \r\n S OHIO AVENUE\r\n "| __truncated__,..: 7 80 85 26 79 37 83 55 51 33 ...
$ c_printsearchresults_gvResults.Plaintiff...Attorney: Factor w/ 83 levels "Plaintiff:\r\n \r\n BAC HOME LOANS SERVICING LP FKA COUNTRYWIDE HOME LOANS SERVIC"| __truncated__,..: 5 31 80 74 49 14 73 52 39 41 ...
$ c_printsearchresults_gvResults.Defendant : Factor w/ 92 levels "ADEDEJI-FAJOBI/MODUPE/O",..: 1 2 3 4 5 6 7 8 9 10 ...
$ c_printsearchresults_gvResults.Appraised : Factor w/ 59 levels "$10,268.33","$10,988.28",..: 48 20 18 10 25 6 41 58 35 15 ...
$ c_printsearchresults_gvResults.Opening.Bid : Factor w/ 63 levels "$10,268.33","$10,988.28",..: 38 5 4 52 11 51 29 45 23 63 ...
$ c_printsearchresults_gvResults.Deposit : Factor w/ 61 levels "$1,200.00","$10,268.33",..: 49 20 18 53 26 7 42 58 28 16 ...
$ c_printsearchresults_gvResults.Sale.Date : Factor w/ 1 level "12/26/2014": 1 1 1 1 1 1 1 1 1 1 ...
如果要删除或分隔更多列中的数据，可以使用正则表达式。