我需要使用不同的"键"访问同一个网页才能获得它提供的特定内容。
我有一个x
密钥列表,我使用软件包中的GET
命令访问网页httr
然后检索我需要y
的信息。
library(httr)
library(stringr)
library(XML)
for (i in 1:20){
h1 = GET ( paste0("http:....categories=&query=", x[i]),timeout(10))
par = htmlParse(file = h1)
y[i]=xpathSApply(doc = par, path = "//h3/a" , fun=xmlValue)
}
问题是经常达到超时,并且会中断循环。
因此,如果达到超时,我想刷新网页或重试GET命令,因为我怀疑问题出在我尝试访问的网站的互联网连接上。
我的代码的工作方式,超时会中断循环。我需要忽略错误并转到下一次迭代或重试以访问该网站。
看看purrr::safely()
.您可以这样包装GET
:
safe_GET <- purrr::safely(GET)
这消除了tryCatch()
的丑陋,让你做:
resp <- safe_GET("http://example.com") # you can use all legal `GET` params
您可以测试resp$result
NULL
.将其放入您的重试循环中,您就可以开始了。
您可以通过执行以下操作来查看此操作:
str(safe_GET("https://httpbin.org/delay/3", timeout(1)))
这将要求 httpbin 服务在响应之前等待 3 秒,但将GET
请求的显式超时设置为 1s。我把它包装在str()
中以显示结果:
List of 2
$ result: NULL
$ error :List of 2
..$ message: chr "Timeout was reached"
..$ call : language curl::curl_fetch_memory(url, handle = handle)
..- attr(*, "class")= chr [1:3] "simpleError" "error" "condition"
因此,如果需要,您甚至可以检查消息。
http_status(h1)
可以帮助您知道问题出在哪里:
a <- http_status(GET("http://google.com"))
a
$category
[1] "Success"
$reason
[1] "OK"
$message
[1] "Success: (200) OK"
和
b <- http_status(GET("http://google.com/blablablablaba"))
b
$category
[1] "Client error"
$reason
[1] "Not Found"
$message
[1] "Client error: (404) Not Found"
请参阅此 HTTP 状态代码列表,了解您获得的代码的含义。
此外,tryCatch
可以帮助您实现您想要的:
tryCatch({GET(h1)}, error = function(e){print("error")})
在这些情况下,新的httr
函数RETRY()
也很方便。 RETRY()
允许您尝试调用,直到成功。
httr::RETRY("GET", "http://httpbin.org/status/200")
文档 - https://httr.r-lib.org/reference/RETRY.html