获取 iframe 谷歌驱动器内的元素（链接）

Question

我正在尝试以编程方式下载此页面上的两个 zip 文件：

https: //sites.google.com/site/ucinetsoftware/datasets/covert-networks/siren

这两个 zip 文件实际上位于不同的页面上，但 href这些页面位于该页面内。所以，我想做的是：

1. 获取两个 zip 文件所在页面的链接（它们位于公共谷歌驱动器上）
2. 将这两个 zip 文件下载到我的计算机上

（是的，我知道我可以手动下载它们，但我需要下载更多页面，所以我想自动化此过程）

不幸的是，我什至无法迈出第一步。我首先将页面加载到 rvest 中，然后尝试获取元素 div.flip-entry-info ，但这不会产生任何结果。我相信这是因为它是该页面内 iframe 的一部分。那么，如何访问包含指向这些文件实际位置的 href 的元素呢？

对于第二步，我需要找到一种从谷歌驱动器下载数据的方法。

例如，这两个 zip 文件之一可从以下位置获取：https://drive.google.com/file/d/1BFN_1n-5EZ3rLrqrqWsAsBR9exjXuUKF/view。

但我完全不知道从那里下载文件。 Chrome 中的“检查”选项在此页面上不起作用，并且 selectorgadget 也不会显示任何有用的信息。

谁能帮我通过 R 下载这些文件？我完全被困住了。

Answer 1

我们可以在 iframe 中获取链接，

您可以在这里参考教程，

https://github.com/yusuzech/r-web-scraping-cheat-sheet/blob/master/README.md#rvest7.2

library(rvest)
library(magrittr)

link = 'https://sites.google.com/site/ucinetsoftware/datasets/covert-networks/siren' %>%
  read_html() %>%
  html_nodes("iframe") %>%  html_attr("src") 

#get links of both the files
link %>% read_html() %>% html_nodes(".flip-entry-info") %>%  html_nodes('a') %>% 
  html_attr('href')
[1] "https://drive.google.com/file/d/1cio3RzjDO6e78PKdEFSPgdw4tCJ7_VUi/view?usp=drive_web"
[2] "https://drive.google.com/file/d/1BFN_1n-5EZ3rLrqrqWsAsBR9exjXuUKF/view?usp=drive_web"

要下载文件，我们可以使用 googledrive< /代码> 库。

library(googledrive)
temp <- tempfile(fileext = ".zip")
drive_download(
  as_id("https://drive.google.com/file/d/1cio3RzjDO6e78PKdEFSPgdw4tCJ7_VUi/view?usp=drive_web"), path = temp, overwrite = TRUE)
out<- unzip(temp, exdir = tempdir())
df<- read.csv(out, sep = ",")
str(df)
'data.frame':   44 obs. of  45 variables:
 $ ï..: int  1 2 3 4 5 6 7 8 9 10 ...
 $ X1 : int  0 1 1 1 1 1 1 1 1 1 ...
 $ X2 : int  1 0 0 0 0 0 0 0 0 0 ...
 $ X3 : int  1 0 0 0 0 1 0 0 0 0 ...