0
282
VistasExtraiga URL de datos con javascript (tabla en php)
Quiero extraer los datos de esta pagina web, http://old.emmsa.com.pe/emmsa_spv/rpEstadistica/rptVolPreciosDiarios.php , usa java script por el momento no he podido encontrar la forma de extraer los datos de volumen y precios de frecuencia diaria. 
He probado muchas alternativas que se presentan en esta página pero ninguna me ha funcionado porque es una tabla que se obtiene en dos pasos.
He intentado adaptar este código que aparece aquí https://www.r-bloggers.com/2020/04/an-adventure-in-downloading-books/ Pero no he podido descargar los datos.
mi versión es:
library(Rcrawler) install_browser() # One time only br <- run_browser() page<-LinkExtractor(url="http://old.emmsa.com.pe/emmsa_spv/rpEstadistica/rptVolPreciosDiarios.php", Browser = br, ExternalLInks = TRUE) el <- page$InternalLinks sprlnks <- el[grep("emmsa", el, fixed = TRUE)] for (sprlnk in sprlnks) { spr_page <- LinkExtractor(sprlnk) il <- spr_page$InternalLinks ttl <- spr_page$Info$Title ttl <- trimws(strsplit(ttl, "|", fixed = TRUE)[[1]][1]) chapter_link <- il[grep("chapter", il, fixed = TRUE)][1] chp_splits <- strsplit(chapter_link, "/", fixed = TRUE) n <- length(chp_splits[[1]]) suff <- chp_splits[[1]][n] suff <- gsub(".{2}$", "", suff) pref <- chp_splits[[1]][n-1] final_url <- paste0("http://old.emmsa.com.pe/emmsa_spv/rpEstadistica/rptVolPreciosDiarios.php", pref, "/", suff, ".php") print(final_url) download.file(final_url, paste0(ttl, ".php"), mode = "wb") Sys.sleep(5) } stop_browser(br)Me sale un archivo "Empresa Municipal de Mercados SAphp" que se repite constantemente en el que aparece la linea 294
Por ultimo lo que quiero es que me puedan ayudar a generar un script que me permita descargar los datos diarios de precio y volumen de la pagina web de "emmsa".
1 Respuestas
Responde la pregunta0
Puede hacer una solicitud POST, como lo hace la página y analizar la tabla a partir de la respuesta
library(httr) library(rvest) library(janitor) library(dplyr) headers <- c("Content-Type" = "application/x-www-form-urlencoded; charset=UTF-8") data <- "vid_tipo=1&vprod=&vvari=&vfecha=15/06/2022" r <- httr::POST( url = "http://old.emmsa.com.pe/emmsa_spv/app/reportes/ajax/rpt07_gettable.php", httr::add_headers(.headers = headers), body = data ) t <- content(r) %>% html_element(".timecard") %>% html_table() %>% row_to_names(1) %>% clean_names() %>% dplyr::filter(producto != "") %>% mutate_at(vars(matches("precio")), as.numeric)Opción de volumen (diferente html)
library(httr) library(rvest) library(janitor) library(dplyr) headers <- c("Content-Type" = "application/x-www-form-urlencoded; charset=UTF-8") data <- "vid_tipo=2&vprod=&vvari=&vfecha=17/06/2022" r <- httr::POST( url = "http://old.emmsa.com.pe/emmsa_spv/app/reportes/ajax/rpt07_gettable.php", httr::add_headers(.headers = headers), body = data ) t <- content(r) %>% html_element("#tbReport") %>% html_table() %>% clean_names()