在 R 中抓取受密码保护的网站

我正在尝试从 R 中受密码保护的网站中抓取数据。通过阅读，httr 和 RCurl 包似乎是使用密码身份验证进行抓取的最佳选择（我还研究了 XML 包）。

我试图抓取的网站如下（您需要一个免费帐户才能访问完整页面）：http://subscribers.footballguys.com/myfbg/myviewprojections.php?projector=2

这是我的两次尝试（用我的用户名替换“用户名”，用我的密码替换“密码”）：

#This returns "Status: 200" without the data from the page:
library(httr)
GET("http://subscribers.footballguys.com/myfbg/myviewprojections.php?projector=2", authenticate("username", "password"))

#This returns the non-password protected preview (i.e., not the full page):
library(XML)
library(RCurl)
readHTMLTable(getURL("http://subscribers.footballguys.com/myfbg/myviewprojections.php?projector=2", userpwd = "username:password"))

我看过其他相关帖子（下面的链接），但不知道如何将他们的答案应用于我的案例。

如何使用 R 从需要 cookie 的 SSL 页面下载压缩文件

如何在 R 中抓取受保护的页面（https 链接）（使用 XML 包中的 readHTMLTable）？

从受密码保护的站点读取信息

R - RCurl 从受密码保护的网站抓取数据

http://www.inside-r.org/questions/how-scrape-data-password-protected-https-website-using-r-hold

您可以使用RSelenium。我用的是dev版本，你可以运行phantomjs没有 Selenium 服务器。

# Install RSelenium if required. You will need phantomjs in your path or follow instructions
# in package vignettes
# devtools::install_github("ropensci/RSelenium")
# login first
appURL <- 'http://subscribers.footballguys.com/amember/login.php'
library(RSelenium)
pJS <- phantom() # start phantomjs
remDr <- remoteDriver(browserName = "phantomjs")
remDr$open()
remDr$navigate(appURL)
remDr$findElement("id", "login")$sendKeysToElement(list("myusername"))
remDr$findElement("id", "pass")$sendKeysToElement(list("mypass"))
remDr$findElement("css", ".am-login-form input[type='submit']")$clickElement()

appURL <- 'http://subscribers.footballguys.com/myfbg/myviewprojections.php?projector=2'
remDr$navigate(appURL)
tableElem<- remDr$findElement("css", "table.datamedium")
res <- readHTMLTable(header = TRUE, tableElem$getElementAttribute("outerHTML")[[1]])
> res[[1]][1:5, ]
Rank             Name Tm/Bye Age Exp Cmp Att  Cm%  PYd Y/Att PTD Int Rsh  Yd TD FantPt
1    1   Peyton Manning  DEN/4  38  17 415 620 66.9 4929  7.95  43  12  24   7  0 407.15
2    2       Drew Brees   NO/6  35  14 404 615 65.7 4859  7.90  37  16  22  44  1 385.35
3    3    Aaron Rodgers   GB/9  31  10 364 560 65.0 4446  7.94  33  13  52 224  3 381.70
4    4      Andrew Luck IND/10  25   3 366 610 60.0 4423  7.25  27  13  62 338  2 361.95
5    5 Matthew Stafford  DET/9  26   6 377 643 58.6 4668  7.26  32  19  34 102  1 358.60

最后当你完成关闭时phantomjs

pJS$stop()

如果您想使用传统浏览器，例如 Firefox（如果您想坚持使用 CRAN 上的版本），您可以使用：

RSelenium::startServer()
remDr <- remoteDriver()
........
........
remDr$closeServer()

代替相关的phantomjs calls.