Power BI Desktop集成R爬虫脚本时read_html函数运行报错

• 原有脚本运行状态：RStudio环境下全流程正常，逻辑为读取存储单列URL的Input.xlsx文件，遍历URL后调用read_html加载目标网页，通过CSS选择器提取船舶、目的地、ETA字段，最终将抓取结果导出为xlsx文件。
• 集成需求：将脚本嵌入Power BI Desktop，让未配置R/RStudio环境的同事可直接复用该数据抓取能力。
• 已完成的前置排查动作：
  • 显式指定R包安装路径，确保Power BI调用的R库路径与RStudio完全对齐
  • 修复此前报出的xml2包缺失问题，完成对应包的安装、加载校验
  • 调整脚本通用写法：通过lib.loc参数显式加载rvest/readxl/xml2等全部依赖包，使用固定绝对路径读取输入文件，核心爬取逻辑与RStudio端保持完全一致，暂时注释结果导出代码缩小排查范围
• 当前卡壳的核心异常：read_html函数在Power BI调用链路下持续报错，无法正常执行

• 第一优先级：校验R运行时的匹配度
  • 核对Power BI R脚本配置中指定的R主程序路径，必须和RStudio实际调用的R安装实例完全一致，避免出现32位/64位版本错配、系统库/用户库冲突的问题——即便包安装路径完全相同，只要运行时二进制版本不匹配，xml2依赖的C动态库就会触发加载失败。
  • 可在Power BI的R脚本编辑器中临时运行R.version.string、.libPaths()两条命令，将输出结果与RStudio控制台的输出做逐行对比，排除运行时不一致的问题。
• 分层定位read_html的报错触发点
  • 脚本中逐段加简单测试，不要依赖整体函数的报错提示：
    • 基础解析能力测试：直接运行read_html("<html><body>test</body></html>")，如果这一步都报错，说明是xml2包本身的动态库加载权限问题，和远程请求无关。
    • 本地文件解析测试：找一个本地存好的静态html测试文件，用read_html("本地文件绝对路径")调用，确认解析能力正常，排除远程网络访问的干扰。
    • 网络请求能力测试：单独运行curl::curl_fetch_memory("待测试的目标URL")，确认Power BI的R沙箱环境没有拦截出站请求——Power BI默认对R脚本的网络访问权限做了沙箱限制，和RStudio的运行环境权限并不一致。
• 解决xml2动态库加载的常见问题
  • 不要通过在线CRAN源单独安装xml2，直接从RStudio对应的库路径下，把已经能正常运行的xml2包整个文件夹，复制到Power BI调用的R库路径下，避免在线安装时缺失配套的libxml2二进制依赖。
  • 检查系统环境变量的PATH项，如果其他程序的动态库文件（比如iconv.dll）排在R的库路径前面，会导致xml2加载冲突，可临时把R的库路径调整到系统PATH最前端，重启Power BI后再测试。
• 绕开沙箱与权限限制的适配写法
  • 调整请求逻辑：不要直接把URL传给read_html，先通过httr包发起请求，配置跳过代理验证、关闭SSL校验，拿到响应文本后再传给read_html做解析，绕开read_html内置请求的权限限制。
  • 对需要身份校验的目标网站，在httr请求阶段补上对应请求头（比如浏览器UA、必要Cookie），避免因请求被网站拦截返回错误页面，导致read_html解析失败。

内容的提问来源于stack exchange，提问作者BillyBouw