使用R的download.file()下载PDF失败的问题排查与解决求助

DevOps 小满

2026-6-13

问题原因

NCBI PMC的服务器会拦截带有非浏览器标识的请求，download.file()默认使用的User-Agent是R相关标识（比如R/4.4.1 (Windows x64)），触发了服务器的403访问限制，导致你下载到的是1KB的错误提示页面而非真实PDF文件。

你之前尝试设置options(HTTPUserAgent)或在download.file()里加headers参数无效，是因为download.file()的默认请求方法（比如Windows下的wininet）不会读取全局UA选项，且headers参数仅在指定method = "libcurl"/"wget"等特定方法时才生效，直接添加不被识别。

解决方法

方法1：用httr包下载（推荐）

利用你已经验证有效的httr请求逻辑，直接获取资源并写入文件：

library(httr)

pdf_url <- "https://pmc.ncbi.nlm.nih.gov/articles/PMC11761262/pdf/antibiotics-14-00062.pdf"
dest_path <- "C:/Users/XXX/Desktop/name.pdf"

# 发送带浏览器UA的请求
resp <- GET(pdf_url, user_agent("Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/136.0.0.0 Safari/537.36"))

# 验证请求成功后写入文件
if (status_code(resp) == 200) {
  writeBin(content(resp, "raw"), dest_path)
  message("PDF下载完成")
} else {
  message(paste("下载失败，状态码：", status_code(resp)))
}

方法2：指定method使用download.file()

如果坚持用download.file()，需要指定method = "libcurl"，并通过extra参数传递User-Agent：

pdf_url <- "https://pmc.ncbi.nlm.nih.gov/articles/PMC11761262/pdf/antibiotics-14-00062.pdf"
dest_path <- "C:/Users/XXX/Desktop/name.pdf"

download.file(
  url = pdf_url,
  destfile = dest_path,
  mode = "wb",
  method = "libcurl",
  extra = "-A 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/136.0.0.0 Safari/537.36'"
)

补充说明