用httr::GET vs xmlParse截断URL

Question

我试图用两个不同的方法(xmlParse和httr::GET)请求一个XML文档，并期望响应是相同的。我在xmlParse中得到的响应是我所期望的，但是httr::GET请求URL在某个时候会被截断。

举个例子：

require(httr)
require(XML)
require(rvest)

term <- "alopecia areata"
request <- paste0("http://eutils.ncbi.nlm.nih.gov/entrez/eutils/egquery.fcgi?term=",term)  

#requesting URL with XML
xml_response <- xmlParse(request)

xml_response %>%
        xml_nodes(xpath = "//Result/Term") %>%
        xml_text 

这是它应该返回的。

[1] "alopecia areata"        

现在是httr

httr_response <- GET(request)
httr_content <- content(httr_response)

httr_content %>%
        xml_nodes(xpath = "//Result/Term") %>%
        xml_text 

这会返回

[1] "alopecia"

有趣的是:如果我们检查请求的httr_response元素，它是正确的。只有反应是错误的。

> httr_response$request$opts$url

[1] "http://eutils.ncbi.nlm.nih.gov/entrez/eutils/egquery.fcgi?term=alopecia areata"

> httr_response$url

[1] "http://eutils.ncbi.nlm.nih.gov/gquery?term=alopecia&retmode=xml"

因此，在某个时候，我的查询项被截断了。如果整个请求是手动放到浏览器中的，那么它的行为就像预期的那样。

如能提出解决这一问题的任何建议，将不胜感激。

Answer 1

您可以尝试用+替换URL中的空格，以防止它被截断：

httr_response <- GET(gsub(" ","+",request))
httr_content <- content(httr_response)

httr_content %>%
        xml_nodes(xpath = "//Result/Term") %>%
        xml_text 

#[1] "alopecia areata"

关于空格和URL的更多信息here