Como otimizar o scraping com getURL () em R
Eu estou tentando raspar todas as contas de duas páginas no site da câmara baixa do parlamento francês. As páginas cobrem 2002-2012 e representam menos de 1.000 contas cada.
Para isso, eu raspo comgetURL
através deste loop:
<code>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) }) </code>
Existe alguma maneira de otimizar ogetURL()
funcionar aqui? Eu não consigo usar o download simultâneo passando oasync=TRUE
opção, que me dá o mesmo erro toda vez:
<code>Error in function (type, msg, asError = TRUE) : Failed to connect to 0.0.0.12: No route to host </code>
Alguma ideia? Obrigado!