如何从IOM指定URL下载Excel格式移民数据并直接导入R

错误原因 #

你当前代码的逻辑是爬取HTML页面提取下载链接，但你传入的URL已经是最终的Excel文件直链，不存在HTML结构，所以read_html()会直接解析失败，后续的节点选择操作也没有意义。你不需要额外爬取解析，直接基于该直链下载读取即可。

解决方案 #

方案1：先下载到本地再导入

适合需要留存本地文件的场景：

# 未安装依赖包先执行：install.packages("readxl")
library(readxl)

# 定义Excel文件直链
xlsx_url <- "https://migration.iom.int/system/tdf/datasets/Q2%202021%20Mixed%20Migration%20Flows%20to%20Europe%20%28April%20-%20June%202021%29.xlsx?file=1&type=node&id=12261"

# 下载文件到本地，Windows系统必须加mode = "wb"避免二进制文件损坏
download.file(xlsx_url, destfile = "2021年第二季度欧洲混合移民流动数据.xlsx", mode = "wb")

# 读取本地Excel，可通过sheet参数指定对应工作表
mig_data <- read_excel("2021年第二季度欧洲混合移民流动数据.xlsx", sheet = 1)

方案2：直接内存读取，不生成本地文件

适合不需要留存源文件的场景：

# 未安装依赖包先执行：install.packages(c("readxl", "httr", "magrittr"))
library(readxl)
library(httr)
library(magrittr)

xlsx_url <- "https://migration.iom.int/system/tdf/datasets/Q2%202021%20Mixed%20Migration%20Flows%20to%20Europe%20%28April%20-%20June%202021%29.xlsx?file=1&type=node&id=12261"

# 直接读取网络文件二进制内容到内存解析
mig_data <- GET(xlsx_url) %>% 
  content(what = "raw") %>% 
  read_excel(sheet = 1)

补充说明 #

如果读取时提示工作表不存在，可以先用excel_sheets(文件路径/二进制内容)查看所有工作表名称，再替换sheet参数的取值即可。

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