Question

我的脚本登录时遇到问题。尽管我在stackoverflow上找到了所有其他好的答案，但没有一个解决方案适合我。

我正在为我的博士研究抓一个网络论坛，其网址为http://forum.axishistory.com。

我想要抓取的网页是会员列表 - 列出所有会员资料的链接的页面。如果登录，则只能访问成员列表。如果您尝试在未登录的情况下访问成员列表，则会显示登录表单。

成员列表的网址为：http://forum.axishistory.com/memberlist.php。

我尝试了httr-package：

library(httr)
members  <-  GET("http://forum.axishistory.com/memberlist.php", authenticate("username", "password"))
members_html <- html(members)

输出是登录表单。

然后我尝试了RCurl：

library(RCurl)
members_html <- htmlParse(getURL("http://forum.axishistory.com/memberlist.php", userpwd = "username:password"))
members_html

输出是登录表单 - 再次。

然后我尝试了这个主题的list（）函数 - Scrape password-protected website in R：

handle <- handle("http://forum.axishistory.com/")
path   <- "ucp.php?mode=login"

login <- list(
  amember_login = "username"
  ,amember_pass  = "password"
  ,amember_redirect_url = 
    "http://forum.axishistory.com/memberlist.php"
)

response <- POST(handle = handle, path = path, body = login)

又一次！输出是登录表单。

我正在研究的下一件事是RSelenium，但在经过所有这些尝试之后，我试图弄清楚我是否可能遗漏了某些东西（可能是完全明显的东西）。

我在这里查看了其他相关帖子，但无法弄清楚如何将代码应用到我的案例中：

How to use R to download a zipped file from a SSL page that requires cookies

Scrape password-protected website in R

How to use R to download a zipped file from a SSL page that requires cookies

https://stackoverflow.com/questions/27485311/scrape-password-protected-https-website-in-r

Web scraping password protected website using R

Answer 1

感谢西蒙，我在这里找到了答案：Using rvest or httr to log in to non-standard forms on a webpage

library(rvest)
url       <-"http://forum.axishistory.com/memberlist.php"
pgsession <-html_session(url)

pgform    <-html_form(pgsession)[[2]]

filled_form <- set_values(pgform,
                      "username" = "username", 
                      "password" = "password")

submit_form(pgsession,filled_form)
memberlist <- jump_to(pgsession, "http://forum.axishistory.com/memberlist.php")

page <- html(memberlist)

usernames <- html_nodes(x = page, css = "#memberlist .username") 

data_usernames <- html_text(usernames, trim = TRUE)

在r

1 个答案: