R网络爬虫

      网上关于R的网络爬虫少之又少，即使找到代码，由于各方面原因总是不能成功运行。对于搞数据分析的筒子们来说，从互联网上获取数据是非常重要的，于是决定自己写一个简单的基于R的网络爬虫，然后共享出来供大家参考。

     所扒的数据为新浪财经—股票---中国银行---历史信息中的第一页表格数据，连接：http://vip.stock.finance.sina.com.cn/corp/go.php/vMS_MarketHistory/stockid/601988.phtml?year=2015&jidu=2。

    

library(RCurl)temp=getURL("http://vip.stock.finance.sina.com.cn/corp/go.php/vMS_MarketHistory/stockid/601988.phtml?year=2015&jidu=2")  #将此网页的元素装进tempk=strsplit(temp,"\r\n")[[1]]   #将取出的网页按行划分，此时k有一个元素（属性），此属性有很多行，[[1]]为取出第一个元素#k[4]  #测试：取出第四行元素#########################时间###########################timeadr=k[grep("a target='_blank'",k)+1] #根据正则表达式“a target='_blank'”定位要抓取的字符串，由于定位行的下一行时间比较好取，所以+1time=substring(timeadr,4,13)#获得时间#########################开盘价###########################fpriceadr=k[grep("a target='_blank'",k)+3]#获得”开盘价“定位行fprice=gregexpr(">\\d+",fpriceadr)#获得"开盘价"在行中的准确位置。用正则表达式确定数字的位置（大于号后边紧跟一个或多个数字）fprices=fpriceadr#构造一个相同大小的向量for(i in 1:length(fpriceadr)){  tempp=fprice[[i]]  fprices[i]=substring(fpriceadr[i],tempp+1,tempp+attr(tempp,'match.length')+3)} fpricesfprices=as.numeric(fprices)#########################最高价###########################topadr=k[grep("a target='_blank'",k)+4]ftop=gregexpr(">\\d+",topadr)ftops=topadrfor(i in 1:length(topadr)){    tempp=ftop[[i]]  ftops[i]=substring(topadr[i],tempp+1,tempp+attr(tempp,'match.length')+3)}ftopsftops=as.numeric(ftops)#########################收盘价###########################cpriceadr=k[grep("a target='_blank'",k)+5]cprice=gregexpr(">\\d+",cpriceadr)cprices=cpriceadrfor(i in 1:length(cpriceadr)){    tempp=cprice[[i]]  cprices[i]=substring(cpriceadr[i],tempp+1,tempp+attr(tempp,'match.length')+3)}cpricescprices=as.numeric(cprices)#########################最低价###########################lowadr=k[grep("a target='_blank'",k)+6]flow=gregexpr(">\\d+",lowadr)flows=lowadrfor(i in 1:length(lowadr)){    tempp=flow[[i]]  flows[i]=substring(lowadr[i],tempp+1,tempp+attr(tempp,'match.length')+3)}flowsflows=as.numeric(flows)#########################交易量###########################sumadr=k[grep("a target='_blank'",k)+7]fsum=gregexpr(">\\d+",sumadr)fsum_2=gregexpr("\\d<",sumadr)#数字长度不同，用fsum和fsum_2截断fsums=sumadrfor(i in 1:length(sumadr)){    tempp=fsum[[i]]  tempp_2=fsum_2[[i]]  fsums[i]=substring(sumadr[i],tempp+1,tempp_2)}fsumsfsums=as.numeric(fsums)#########################交易额###########################moneyadr=k[grep("a target='_blank'",k)+8]fmoney=gregexpr(">\\d+",moneyadr)fmoneys=moneyadrfor(i in 1:length(moneyadr)){    tempp=fmoney[[i]]  fmoneys[i]=substring(moneyadr[i],tempp+1,tempp++10)}fmoneysfmoneys=as.numeric(fmoneys)##########################################################bank=cbind(time,fprices,ftops,cprices,flows,fsums,fmoneys)bank