htmlParse无法加载外部实体

Question

我试图使用R和XML包加载一些可公开获得的NHS数据，但我一直收到以下错误消息：

错误:加载外部实体"http://www.england.nhs.uk/statistics/statistical-work-areas/bed-availability-and-occupancy/“失败

我似乎不知道是什么导致了这一点，尽管通过一些相关的问题。

下面是我非常简单的代码：

library("XML")
url <- "http://www.england.nhs.uk/statistics/statistical-work-areas/bed-availability-and-occupancy/"
doc <- htmlParse(url)

编辑:会话信息

R版本3.0.1 (2013-05-16)平台:i 386-W64-mingw32 32/i 386(32位) 地区:1 LC_COLLATE=English_United Kingdom.1252 LC_CTYPE=English_United Kingdom.1252 3 LC_MONETARY=English_United Kingdom.1252 LC_NUMERIC=C 5 LC_TIME=English_United King.1252附加基本包:1个stats图形grDevices实用程序 通过命名空间加载的数据集方法(而不是附加的)：1 tools_3.0.1

Answer 1

Package存在一些问题。这个问题是间歇性的，与URL无关。为了获得html代码，我使用httr包的函数GET解决了这个问题，然后将它传递给htmlParse，如下所示：

library("XML")
library(httr)
url <- "http://www.england.nhs.uk/statistics/statistical-work-areas/bed-availability-and-occupancy/"
doc <- htmlParse(rawToChar(GET(url)$content))

Answer 2

您还可以使用rvest & xml2包：

library(rvest) # github version
library(xml2)  # github version

url <- "http://www.england.nhs.uk/statistics/statistical-work-areas/bed-availability-and-occupancy/"
doc <- read_html(url)

doc %>% 
  html_nodes("a[href^='http://www.england.nhs.uk/statistics/bed-availability-and-occupancy/']") %>% 
  html_attr("href")

## [1] "http://www.england.nhs.uk/statistics/bed-availability-and-occupancy/bed-data-overnight/"
## [2] "http://www.england.nhs.uk/statistics/bed-availability-and-occupancy/bed-data-day-only/"