使用RSelenium提取JS网站MRC地区名遇本地连接错误求解决

一、修复RSelenium连接失败问题 #

如果坚持使用RSelenium，按以下步骤排查：

• 检查端口占用：
  4545端口可能被其他程序占用，先验证：

  • Windows：运行netstat -ano | findstr :4545
  • macOS/Linux：运行lsof -i :4545
    若占用，更换端口重新初始化：

  rD <- rsDriver(browser="chrome", port=4546L, chromever = NULL)
  

• 手动指定ChromeDriver版本：
  自动版本检测可能失效，先查看Chrome浏览器版本（设置→关于Chrome），然后匹配指定chromever参数：

  # 示例：Chrome版本为114.0.5735.90时
  rD <- rsDriver(browser="chrome", port=4545L, chromever = "114.0.5735.90")
  

• 关闭防火墙/代理：
  本地防火墙或代理可能拦截Selenium的本地连接，暂时关闭后重试，或把R加入防火墙允许列表。

• 切换至Firefox浏览器：
  若Chrome配置始终有问题，尝试改用Firefox：

  rD <- rsDriver(browser="firefox", port=4545L)
  

二、更高效的批量提取方案（无需RSelenium） #

通过分析网站的网络请求，发现可直接调用官方API获取所有MRC数据，无需逐个加载页面，效率更高：

library(httr)
library(jsonlite)
library(dplyr)

# 请求API获取所有MRC地区信息
response <- GET("https://portraits.ouranos.ca/api/regions?type=mrc&lang=fr")
mrc_raw_data <- fromJSON(content(response, "text"))

# 整理为目标格式的data.frame
mrc_result <- mrc_raw_data %>%
  mutate(mrc_id = paste0("mrc", sprintf("%03d", id))) %>%  # 生成mrcXXX格式的标识
  select(mrc_id, name) %>%  # 保留需要的列
  arrange(mrc_id)  # 按标识排序

# 查看前6条结果
head(mrc_result)

该方法直接拿到所有104个MRC的标识与对应名称，完全规避了RSelenium的配置问题，且运行速度远超浏览器渲染方案。

内容的提问来源于stack exchange，提问作者M. Beausoleil