在 r 中抓取受密码保护的论坛

Question

我在登录脚本时遇到问题。尽管我在 Whosebug 上找到了所有其他好的答案，但 none 的解决方案对我有用。

我正在为我的博士研究抓取一个网络论坛，它的 URL 是 http://forum.axishistory.com。

我想抓取的网页是会员列表——一个列出所有会员资料链接的页面。只有登录后才能访问会员列表。如果您尝试在未登录的情况下访问会员列表，它会显示登录表单。

成员列表的URL是这样的：http://forum.axishistory.com/memberlist.php。

我尝试了 httr 包：

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

输出为登录表单。

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中的 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)

再来一次！输出是登录表单。

我接下来要做的事情是 RSelenium，但在所有这些尝试之后，我试图弄清楚我是否可能遗漏了一些东西（可能是一些非常明显的东西）。

我查看了此处的其他相关帖子，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

Web scraping password protected website using R

Answer 1

感谢西蒙，我在这里找到了答案：

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 中抓取受密码保护的论坛

Scraping password protected forum in r

r

web-scraping

rcurl

httr

rselenium