反洗钱核查爬取OFAC网站遇check_form()错误求助

错误原因 #

你直接将read_html返回的页面对象传给html_form_set，但这个函数要求参数是单个由html_form()生成的表单对象，而非原始页面。

修正后的代码 #

#install.packages("robotstxt")
library(robotstxt)

site<-"https://sanctionssearch.ofac.treas.gov/"
paths_allowed(site)
#install.packages("rvest")
library(rvest)

url <- "https://sanctionssearch.ofac.treas.gov/"
search_first_name <- "John"
search_last_name <- "Doe"

# 获取页面
page <- read_html(url)

# 提取页面中的搜索表单（取第一个表单）
search_form <- html_form(page)[[1]]

# 填充表单字段：OFAC表单需分别填写名和姓
filled_form <- html_form_set(
  search_form,
  "ctl00$MainContent$txtFirstName" = search_first_name,
  "ctl00$MainContent$txtLastName" = search_last_name
)

# 提交表单获取响应
response <- html_form_submit(filled_form)

# 提取并处理结果
results <- response %>%
  html_nodes("div.resultName") %>%
  html_text(trim = TRUE)

# 检查目标姓名是否在结果中
target_name <- paste(search_first_name, search_last_name)
name_found <- target_name %in% results

cat("搜索姓名是否存在:", name_found, "\n")

关键修正点 #

• 先通过html_form(page)获取页面表单集合，再选择目标表单（这里用[[1]]取第一个，可根据页面实际结构调整）
• OFAC的搜索表单需要分别填写名(txtFirstName)和姓(txtLastName)，原代码只填了姓会导致搜索不准确
• 提交表单时操作的是填充后的表单对象，而非原始页面

内容的提问来源于stack exchange，提问作者zachi