R httr post-身份验证下载在交互模式下工作但功能失败

Question

下面的代码在交互模式下运行良好，但在函数中使用时失败。它非常简单，就是两个身份验证 POST 命令，然后是数据下载。我的目标是让它在一个函数内工作，而不仅仅是在交互模式下。

这个问题有点像 sequel 到 this question.. icpsr 最近更新了他们的网站。下面的最小可重现示例需要一个免费帐户，可在

https://www.icpsr.umich.edu/rpxlogin?path=ICPSR&request_uri=https%3a%2f%2fwww.icpsr.umich.edu%2ficpsrweb%2findex.jsp

我尝试添加 Sys.sleep(1) 和各种 httr::GET/httr::POST 调用，但没有任何效果。

my_download <-
    function( your_email , your_password ){

        values <-
            list(
                agree = "yes",
                path = "ICPSR" ,
                study = "21600" ,
                ds = "" ,
                bundle = "rdata",
                dups = "yes",
                email=your_email,
                password=your_password
            )


        httr::POST("https://www.icpsr.umich.edu/cgi-bin/terms", body = values)
        httr::POST("https://www.icpsr.umich.edu/rpxlogin", body = values)

        tf <- tempfile()
        httr::GET( 
            "https://www.icpsr.umich.edu/cgi-bin/bob/zipcart2" , 
            query = values , 
            httr::write_disk( tf , overwrite = TRUE ) , 
            httr::progress()
        )

    }

# fails 
my_download( "email@address.com" , "some_password" )

# stepping through works
debug( my_download )
my_download( "email@address.com" , "some_password" )

EDIT 失败只是下载了这个页面，就好像没有登录一样（而不是数据集），所以它由于某种原因失去了身份验证。如果您已登录 icpsr，请使用隐私浏览查看页面--

https://www.icpsr.umich.edu/cgi-bin/bob/zipcart2?study=21600&ds=1&bundle=rdata&path=ICPSR

谢谢！

Answer 1

这种事情之所以会发生，是因为 httr 包的状态（例如 cookie）存储在每个 URL 的 handle 中（参见 ?handle）。

在这种特殊情况下，尚不清楚究竟是什么让它起作用，但一种策略是在验证和请求数据之前包含对 https://www.icpsr.umich.edu/cgi-bin/bob/ 的 GET 请求。例如，

my_download <-
    function( your_email , your_password ){
        ## for some reason this is required ...
        httr::GET("https://www.icpsr.umich.edu/cgi-bin/bob/")
        values <-
            list(
                agree = "yes",
                path = "ICPSR" ,
                study = "21600" ,
                ds = "" ,
                bundle = "rdata",
                dups = "yes",
                email=your_email,
                password=your_password
            )
        httr::POST("https://www.icpsr.umich.edu/rpxlogin", body = values)
        httr::POST("https://www.icpsr.umich.edu/cgi-bin/terms", body = values)
        tf <- tempfile()
        httr::GET( 
            "https://www.icpsr.umich.edu/cgi-bin/bob/zipcart2" , 
            query = values , 
            httr::write_disk( tf , overwrite = TRUE ) , 
            httr::progress()
        )
    }

似乎工作正常，但尚不清楚 GET 对 https://www.icpsr.umich.edu/cgi-bin/bob/ 的请求究竟做了什么或为什么需要它。

R httr post-身份验证下载在交互模式下工作但功能失败

R httr post-authentication download works in interactive mode but fails in function

cookies

https

r

web-scraping

httr