Пытаюсь соскоблить все законопроекты с двух страниц сайта нижней палаты парламента Франции. Страницы охватывают 2002-2012 год и представляют собой менее 1000 банкнот каждая.
Для этого я прочесываю getURL
через этот цикл:
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)
})
Есть ли способ оптимизировать здесь функцию getURL()
? Кажется, я не могу использовать одновременную загрузку, передав опцию async=TRUE
, которая каждый раз выдает одну и ту же ошибку :
Error in function (type, msg, asError = TRUE) :
Failed to connect to 0.0.0.12: No route to host
. Есть идеи? Спасибо!