Блог

Меня интересует этот файл Excel, структура которого не меняется: https://rigcount.bakerhughes.com/static-files/cc0aed5c-b4fc-440d-9522-18680fb2ef6a

Который я могу получить с этой страницы: https://rigcount.bakerhughes.com/na-rig-count

Последний URL-адрес не меняется со временем, в то время как первый меняется.

Но я предполагаю, что URL-адрес файла находится где-то в элементах фиксированной веб-страницы, даже если он изменен, и генерация имени файла выполняется повторяющейся процедурой.

Таким образом, есть ли способ в R получить файл (который обновляется каждую неделю или около того) автоматически, не загружая его каждый раз вручную?

Вы пропустили ту часть вопроса, в которой вы говорите о том, что вы сделали. Или поиск в Интернете учебных пособий. Но это было легко сделать здесь. Вам нужно будет посмотреть руководство по rvest для получения дополнительных объяснений.

 library(rvest) # to allow easy scraping
library(magrittr) # to allow %>% pipe commands

page <- read_html("https://rigcount.bakerhughes.com/na-rig-count")

# Find links that match excel type files as defined by the page
links <- page %>%
  html_nodes("span.file--mime-application-vnd-ms-excel-sheet-binary-macroEnabled-12") %>%
  html_nodes("a")

links_df <- data.frame(
  title = links %>% html_attr("title"),
  link = links %>% html_attr("href")
)

links_df
title
# 1              north_america_rotary_rig_count_jan_2000_-_current.xlsb
# 2 north_american_rotary_rig_count_pivot_table_feb_2011_-_current.xlsb
# link
# 1 https://rigcount.bakerhughes.com/static-files/cc0aed5c-b4fc-440d-9522-18680fb2ef6a
# 2 https://rigcount.bakerhughes.com/static-files/c7852ea5-5bf5-4c47-b52c-f025597cdddf