rselenium |获取youtube页面来源

为什么youtube.com的页面来源不可刮取

我尝试了以下方法（使用phantomjs以及带有selenium服务器的chrome）

---

这是编码的问题。现在使用开发版本，直到下一个版本发布到CRAN：

devtools::install_github("ropensci/RSelenium")

---

我同意这个问题很可能与编码有关

例如，这样的问题似乎只出现在与美俄空间合作相关的主题页面上（这表明这是由于网页内容中的西里尔文字造成的）

我通过使用弃用的

relinium

解决了这个问题，其中

RSelenium

失败。为了使

relium

在

ubuntu16.04

上顺利运行，我必须安装

firefox25.0

，并对其进行配置以防止任何更新。设置期间的另一个问题是正确安装

rJava

，这可能会由于缺少具有到Java库的正确路径的环境变量而失败

系统配置如下：

R version 3.3.1 (2016-06-21)
Platform: x86_64-pc-linux-gnu (64-bit)
Running under: Ubuntu 16.04.1 LTS

relenium_0.3.0; seleniumJars_2.41.0; rJava_0.9-8; RSelenium_1.3.5 

下面是一个可以使用Relium但不能使用RSelenium发行版刮取的页面示例：

link = "http://www.nasa.gov/mission_pages/station/expeditions/expedition14/index.html"

RSelenium解决方案失败（Firefox版本为

34.0.5

，或

25.0

，不管怎样）：

startServer（）
remDr firefox 47和selenium存在问题。firefox已经发布了47.01，但它似乎不适用于ubuntu。您可以安装Firefox48，它应该与当前版本的RSelenium一起使用。看见
R version 3.3.1 (2016-06-21)
Platform: x86_64-pc-linux-gnu (64-bit)
Running under: Ubuntu 16.04.1 LTS

relenium_0.3.0; seleniumJars_2.41.0; rJava_0.9-8; RSelenium_1.3.5 

link = "http://www.nasa.gov/mission_pages/station/expeditions/expedition14/index.html"

startServer()
remDr <- remoteDriver()
remDr$open()
remDr$navigate(link)
doc = unlist(remDr$getPageSource())

 relenium_browser <- firefoxClass$new()
 relenium_browser$get(link)
 doc = unlist(relenium_browser$getPageSource())
 doc = read_html(doc)