如何用R获取UNDP网页中PDF与DOCX文件的下载链接？

开发者阿泽

2026-7-23

解决UNDP评估页面文件下载问题

这类页面的文件下载通常依赖后端API接口而非可见的<a>标签，你可以通过以下步骤获取真实下载链接并批量下载：

步骤1：分析真实下载接口

打开目标页面（比如https://erc.undp.org/evaluation/evaluations/detail/7834?tab=documents），按F12打开浏览器开发者工具：

切换到「Network」标签
点击页面上的下载按钮，观察触发的网络请求，找到类似/evaluation/api/documents/{文档ID}/download的请求URL，这就是真实的下载接口。

步骤2：提取页面中的文档ID

页面的HTML里通常会隐藏文档ID（比如通过自定义属性存储），用rvest提取：

library(rvest)
library(dplyr)

# 目标页面URL
target_url <- "https://erc.undp.org/evaluation/evaluations/detail/7834?tab=documents"
page_html <- read_html(target_url)

# 提取所有文档ID（根据页面实际属性调整，比如data-document-id）
doc_ids <- page_html %>%
  html_nodes("[data-document-id]") %>%
  html_attr("data-document-id")

# 过滤空值
doc_ids <- doc_ids[!is.na(doc_ids)]

步骤3：构造下载链接并批量下载

结合API接口格式生成完整下载URL，再用httr保持会话（这类网站需要Cookie验证）下载：

library(httr)

# 初始化会话，获取页面Cookie
session <- html_session(target_url)

# API下载接口前缀（根据抓包结果调整）
base_download_api <- "https://erc.undp.org/evaluation/api/documents/%s/download"

# 遍历每个文档ID，生成链接并下载
for (id in doc_ids) {
  download_url <- sprintf(base_download_api, id)
  # 发送请求
  resp <- GET(session, download_url)
  
  # 从响应头提取文件名
  disp_header <- resp$headers$`content-disposition`
  filename <- sub('attachment; filename="(.*)"', '\\1', disp_header)
  
  # 保存文件
  writeBin(content(resp, "raw"), filename)
  cat(sprintf("已下载：%s\n", filename))
}