如何正确设置 cookie 以使用 httr 获取 URL 内容

Question

我需要从使用 cookie 保护的网站下载信息。我手动传递此保护，然后将 cookie 插入到httr.

这是类似的主题，但它没有解决我的问题：（为 httr 复制 cookie）

library(httr)
url<-"http://smida.gov.ua/db/emitent/year/xml/showform/32153/125/templ"

cook<-"_SMIDA=9117a9eb136353bd6956651bd59acd37; __utmt=1; __utma=29983421.1729484844.1413489369.1413625619.1413627797.3; __utmb=29983421.7.10.1413627797; __utmc=29983421; __utmz=29983421.1413489369.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none)"

response <- GET(url, config(cookie= cook))

content(x = response,as = 'text', encoding = "UTF-8")   

因此，当我使用内容时，它会返回我未登录的信息（就像没有 cookie 时那样）

我怎么解决这个问题？

测试凭据是 login: mytest2, pass: qwerty12)

Answer 1

这将是set_cookies与GET&的方式httr：

GET("http://smida.gov.ua/db/emitent/year/xml/showform/32153/125/templ", 
    set_cookies(`_SMIDA` = "7cf9ea4bfadb60bbd0950e2f8f4c279d",
                `__utma` = "29983421.138599299.1413649536.1413649536.1413649536.1",
                `__utmb` = "29983421.5.10.1413649536",
                `__utmc` = "29983421",
                `__utmt` = "1",
                `__utmz` = "29983421.1413649536.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none)"))

这对我有用，至少我认为它确实如此，因为我无法阅读该语言。返回的表具有相同的结构并且没有提示登录。

不幸的是，登录时的验证码会阻止使用 Rselenium（或其他类似的爬行包），因此您必须继续手动获取这些 cookie（或使用实用程序从会话中提取它们）。

最后，您现在可能要认真考虑更改这些凭据:-)

编辑： @VadymB和我都发现代码在我们重新启动 RStudio之前不起作用。你的旅费可能会改变。