如何在R语言中从指定URL批量下载含*b13的JPEG文件

原代码存在的问题 #

• 未解析网页提取目标链接，直接将网页URL当作数据框索引，逻辑错误
• writeJPEG语法错误，参数格式不正确，文件名拼接未使用循环变量
• 硬编码循环次数，未根据实际目标文件数量动态调整
• 未筛选文件名包含b13的目标文件
• 重复执行install.packages，未判断包是否已安装

修正后的完整代码 #

# 安装并加载所需包（仅在未安装时执行安装）
if (!require("jpeg")) install.packages("jpeg")
library(jpeg)
if (!require("rvest")) install.packages("rvest")
library(rvest)
if (!require("here")) install.packages("here")
library(here)

# 目标网页URL
base_url <- "https://www.data.jma.go.jp/mscweb/data/himawari/list_ha2.html"
# 指定保存文件的目标文件夹
target_dir <- here("Q:/R_himawari")
# 如果目标文件夹不存在则创建
if (!dir.exists(target_dir)) dir.create(target_dir, recursive = TRUE)

# 解析网页，提取所有链接
page <- read_html(base_url)
all_links <- page %>% html_elements("a") %>% html_attr("href")
# 筛选文件名包含"b13"的JPG文件链接
target_links <- all_links[grepl("b13.*\\.jpg$", all_links)]
# 拼接完整的下载URL（处理相对路径）
target_full_links <- paste0("https://www.data.jma.go.jp/mscweb/data/himawari/", target_links)

# 打印找到的目标文件名
cat("筛选出的目标文件：\n")
print(target_links)

# 循环下载并保存文件
for (i in seq_along(target_full_links)) {
  current_link <- target_full_links[i]
  current_filename <- target_links[i]
  save_path <- file.path(target_dir, current_filename)
  
  # 执行下载
  download.file(current_link, save_path, mode = "wb", quiet = FALSE)
  
  # 输出下载状态
  if (file.exists(save_path)) {
    cat("已成功保存：", current_filename, "\n")
  } else {
    cat("下载失败：", current_filename, "\n")
  }
}

代码关键说明 #

• 网页解析：使用rvest包提取网页中的所有链接，通过正则表达式精准筛选含b13的JPG文件
• 路径处理：用file.path拼接文件路径，保证跨平台兼容性；提前创建目标文件夹避免路径不存在报错
• 循环逻辑：根据实际筛选出的链接数量动态循环，保留原文件名便于后续识别文件
• 包管理：用require判断包是否已安装，避免重复执行安装操作

内容的提问来源于stack exchange，提问作者Biraj kandel