不在博客园上阅读时才会看到的，这篇博文归http://www.cnblogs.com/weibaar 所有

仅保证在博客园博客上的排版干净利索还有代码块与图片正确显示，他站请保留作者信息尊重版权啊

install.packages("rvest")

install.packages("data.table")

install.packages("dplyr")

 library(rvest)

 library(data.table)

 library(dplyr)

 #这里是导入网址。研究一下amazon的顺序，直接导入就好

 id<-1:5

 url_increase_fast<-paste0(

         "http://www.amazon.cn/gp/movers-and-shakers/digital-text/ref=zg_bsms_digital-text_pg_",

         id,

         "?ie=UTF8&pg=",

         id)

 url_newest<-paste0(

         "http://www.amazon.cn/gp/new-releases/digital-text/ref=zg_bsnr_digital-text_pg_",

         id,

         "?ie=UTF8&pg=",

         id)

 url<-c(url_increase_fast,url_newest)

 #这里编写readdata函数，读取网页内容。里面有些不常用的字段，为了最后导出效果好看，我没全部都导。

 #有额外需要的可以自己改编，譬如分类啊，好评率啊等等。对我来说，知道价格、书名就够了

 readdata<-function(i){

         web<-html(url[i],encoding="UTF-8")

         title<-web %>% html_nodes("div.zg_title") %>% html_text()

         title_short<-substr(title,1,20)

         price<-as.numeric(gsub("￥ ","",web %>% html_nodes("div.zg_itemPriceBlock_normal strong.price") %>% html_text()))

         ranking_movement<-web %>% html_nodes("span.zg_salesMovement") %>% html_text()

         rank_number<-as.numeric(gsub("\\.","",web %>% html_nodes("span.zg_rankNumber") %>% html_text()))

         #新书榜里没有销售变动记录，所以记为NA

         if (length(ranking_movement)==0) {ranking_movement=rep(NA,20)

                                           rank_number=rep(NA,20)}

         link<-gsub("\\\n","",web %>% html_nodes("div.zg_title a") %>% html_attr("href"))

         ASIN<-sapply(strsplit(link,split = "/dp/"),function(e)e[2])

         img<-web %>% html_nodes("div.zg_itemImage_normal img")  %>% html_attr("src")

         #这里加上html代码

         img_link<-paste0("<img src='",img,"'>")

         title_link<-paste0("<a href='",link,"'>",title_short,"</a>")

         #合并数据

         combine<-data.table(img_link,title_link,price,ranking_movement)

         setnames(combine,c("图像","书名","价格","销售变动"))

         #以防被封IP，设为5秒跑一次数据。

         Sys.sleep(5)

         combine

 }

 #做一个循坏开始跑数

 final<-data.table()

 for (i in 1:10){

         final<-rbind(final,readdata(i))

         print(i)

 }

 #这里编写一个函数，把data.table转化为html_table#要点请查看w3school，table页，以<table>开始，表头是<th>，行与行之间是<tr>#主要就是sapply, apply，paste的应用啦……就是把数据框先加<td>，再加<tr>，最后外面套一层<table>

 transfer_html_table<-function(rawdata){

         title<-paste0("<th>",names(rawdata),"</th>")

         content<-sapply(rawdata,function(e)paste0("<td>",e,"</td>"))

         content<-apply(content,1,function(e) paste0(e,collapse = ""))

         content<-paste0("<tr>",content,"</tr>")

         bbb<-c("<table border=1><tr>",title,"</tr>",content,"</table>")

         bbb

 }

 #这里应用transfer_html_table函数，把榜单输出为html表格

 final_less1<-transfer_html_table(rawdata=final %>% filter(价格<=1))

 write(final_less1,"~//Kindle-低于1元特价书.html")

 final_1_2<-transfer_html_table(rawdata=final %>% filter(价格>1 & 价格<=2))

 write(final_1_2,"~//Kindle_1-2元特价书.html")

 final_2_5<-transfer_html_table(rawdata=final %>% filter(价格>2 & 价格<=5))

 write(final_2_5,"~//Kindle_2-5元特价书.html")

不在博客园上阅读时才会看到的，这篇博文归http://www.cnblogs.com/weibaar 所有

仅保证在博客园博客上的排版干净利索还有代码块与图片正确显示，他站请保留作者信息尊重版权啊