使用R語言進行超簡單的爬蟲
R語言是一種能用來做統計和資料分析的語言，此外也能進行網路爬蟲。所謂爬蟲就是將網頁上的資料下載回來，本文將示範如何撰寫R語言，進行簡易的爬蟲。
一、安裝R環境與開發工具
二、透過程式安裝套件
開啟R Studio開發工具，新增一個R Script檔案。
輸入指令，安裝接下來的程式碼所需要的套件。其中「rvest」套件是網路爬蟲會用到的函式庫。「magrittr」則提供管線操作語法，例如本文範例程式的「%>%」語法。寫完後，將程式碼全選，再按Run執行。
三、準備要爬的網頁
準備一個有「文章列表」的網頁，此處網頁以Mobile01論壇的機車討論區為例：https://www.mobile01.com/forumtopic.php?c=29
在文章標題按滑鼠右鍵，選擇「檢測元素」，這時會開啟瀏覽器的開發者工具。找到文章標題文字所對應的HTML標籤，按滑鼠右鍵，選擇「複製XPath」以備用。
這個XPath指的是HTML文件中的「路徑」。在這個範例，我們要的是<a>標籤的路徑，因為它的內容是需要的文章標題。
複製到的XPath路徑可能會因瀏覽器而有不同，筆者使用Firefox，路徑是完整地從<html>到<a>標籤為止。
如果使用Chrome，XPath會是 「//*[@id="maincontent"]/div[6]/table/...」代表路徑是從id屬性為maincontent的標籤開始。
四、撰寫程式進行爬蟲
首先引入剛安裝好的套件（函式庫），並將剛剛文章列表網頁的網址指定給變數url。
有了url，接下來就要使用讀取網頁的函式了。請呼叫「read_html」，傳入網址進行讀取，此時會得到該網頁的HTML資料。
再呼叫「html_nodes」，並傳入XPath，在前面的HTML資料中，透過這個路徑來指定要爬取哪個網頁元素（標籤）。
最後呼叫「html_text」，取得該HTML標籤中的內容文字。以上步驟的結果會指定給變數titles，裡面集合了爬取到的文章標題。
注意XPath後面的<tr>標籤，原先為tr[1]（或其他數字），此處要改為tr，代表要爬取所有的tr表格列（文章列），而不是特定一個<tr>。
而程式碼中的「%>%」，代表將前面方法的執行結果丟到後面方法的參數去執行。
依照同樣步驟，對「文章回覆數」進行爬取，指定給變數replies。
五、產生表格
取得需要的資料後，現在示範以表格的方式呈現。只要呼叫「data.frame」函式，傳入欄位名稱和資料集合。最後使用「View」函式，將表格物件顯示出來就完成了。此處標題與回覆數的欄位名稱分別是Title與Reply。
記得要將程式碼全選再按「Run」，才能正常執行。
觀察表格，確實爬取到該網頁的文章標題與回覆數。雖然這些東西在原始網頁同樣也可查看，但透過R語言操作，可將重點資料以簡潔的方式呈現。若爬取更多資料，也許能進一步做特別的統計分析或其他用途。
