（源码来自http://www.bassary.com/?p=1105）

按照以下代码抓取淘宝数据运行成功：

library(XML)

i_url=getURL("http://spu.taobao.com/spu/3c/detail.htm?spuid=203228104&cat=1101")

#i_url=getURL("http://spu.taobao.com/spu/3c/detail.htm?spuid=205341228&cat=1101");

i_url2<-htmlParse(i_url,asText=TRUE,encoding="UTF-8")#读取html数据

name<- getNodeSet(i_url2,"//div[@id='content']//div[@class='hd']//h1")#通过xpath找到网页中的name,注意路径中的单引号

name_text_tmp<-xmlValue(name[[1]])#提取name的内容

price<-getNodeSet(i_url2,"//div[@class='idec-shop-info']//span[@class='price']")#通过xpath找到网页中的price

price_text_tmp<-xmlValue(price[[1]])#提取price的内容

name_text<-name_text_tmp

price_text<-price_text_tmp

data.frame(name=name_text,price=price_text)

结果：

name price

1 Apple/1 MacBook Air MD231CH/A ￥7093

但当我需要同时搜寻两个网页时，运行结果为空，代码如下

read_taobao<-function(url){

#name_text<-""

#price_text<-""

i<-1

for(i_url in url){

i_url2<-htmlParse(i_url,asText=TRUE,encoding="UTF-8")#读取html数据

name<- getNodeSet(i_url2,"//div[@id='content']//div[@class='hd']//h1")#通过xpath找到网页中的name,注意路径中的单引号

#xpath://任意位置的 @是属性

name_text_tmp<-xmlValue(name[[1]])#提取name的内容

price<-getNodeSet(i_url2,"//div[@class='idec-shop-info']//span[@class='price']")#通过xpath找到网页中的price

price_text_tmp<-xmlValue(price[[1]])#提取price的内容

name_text<-name_text_tmp

price_text<-price_text_tmp

i<-i+1

print(name_text_tmp)

print(price_text_tmp)

}

data.frame(name=name_text,price=price_text)

}

url1="http://spu.taobao.com/spu/3c/detail.htm?spuid=205341228&cat=1101"

url2="http://spu.taobao.com/spu/3c/detail.htm?spuid=203228104&cat=1101"

url<-c(url1,url2)

read_taobao(url)

运行结果：

[1] NA

[1] NA

[1] NA

[1] NA

name price

1 <NA> <NA>

2 <NA> <NA>