使用R将RSS源中的其他帖子提取到CSV-Java 学习之路

我试图从以下url http://live.reuters.com/Event/rss.aspx?id=70335的RSS提要中提取数据 . 基本上我想使用这篇文章中概述的代码提取每篇文章的 Headers 和日期：Parse RSS feed using XML packagin R

代码本身就是

library(XML)
library(RCurl)

###Extracting Data from Reuters
xml.url <- "http://live.reuters.com/Event/rss.aspx?id=70335"
script  <- getURL(xml.url)
doc     <- xmlParse(script)
titles    <- xpathSApply(doc,'//item/title',xmlValue)
pubdates <- xpathSApply(doc,'//item/pubDate',xmlValue)
reuters<-cbind(titles, pubdates)
reuters_data<-data.frame(reuters)

 #Exporting as a csv
write.csv(reuters_data, file = "reuters_post.csv")

代码几乎完全符合我的要求 . 但是，我遇到的问题是它只提取前45个帖子 . 我知道有近1000个帖子 . 这与rss.aspx格式有关吗？是否有一个解决方法，以便我可以获得RSS提要中的所有帖子，而不仅仅是前45个？任何帮助都将非常感谢，因为我是数据抓取的新手 .

谢谢，托马斯

1 回答

它解决了RSS / Atom提要的问题，它不允许检索历史信息，请参阅How Do I Fetch All Old Items on an RSS Feed?

但是，我们可以使用非官方的Google Reader API GoogleReaderAPI Wiki .

library(RCurl)
library(RJSONIO)

N <- 100 # Number of items to fetch
url <- paste("http://www.google.com/reader/api/0/stream/contents/feed/http://live.reuters.com/Event/rss.aspx%3Fid=70335?n=", N, sep="")

json <- getURL(url)                               # Fetches data
list <- fromJSON(json)                            # JSON to list
df   <- as.data.frame(do.call(rbind, list$items)) # list to data.frame

title    <- unlist(df$title)                                                # Title
datetime <- as.POSIXlt(unlist(df$published), origin="1970-01-01", tz="GMT") # Publication date

reuters <- data.frame(title, datetime)        # Output data.frame
write.csv(reuters, file = "reuters_post.csv") # Writes CSV

回复于 2024-05-10T14:57:27+08:00

使用R将RSS源中的其他帖子提取到CSV

1 回答

相关问题