Jak zoptymalizować skrobanie za pomocą getURL () w R
Próbuję zeskrobać wszystkie rachunki z dwóch stron na stronie internetowej niższej izby parlamentu Francji. Strony obejmują lata 2002-2012 i reprezentują mniej niż 1000 rachunków każdy.
W tym celu zeskrobujęgetURL
przez tę pętlę:
b <- "http://www.assemblee-nationale.fr" # base
l <- c("12","13") # legislature id
lapply(l, FUN = function(x) {
print(data <- paste(b, x, "documents/index-dossier.asp", sep = "/"))
# scrape
data <- getURL(data); data <- readLines(tc <- textConnection(data)); close(tc)
data <- unlist(str_extract_all(data, "dossiers/[[:alnum:]_-]+.asp"))
data <- paste(b, x, data, sep = "/")
data <- getURL(data)
write.table(data,file=n <- paste("raw_an",x,".txt",sep="")); str(n)
})
Czy istnieje sposób na optymalizacjęgetURL()
działa tutaj? Wydaje mi się, że nie korzystam z jednoczesnego pobierania przez przekazanieasync=TRUE
opcja, która daje mi ten sam błąd za każdym razem:
Error in function (type, msg, asError = TRUE) :
Failed to connect to 0.0.0.12: No route to host
Jakieś pomysły? Dzięki!