Errore di rvest in open.connection (x, "rb"): Timeout raggiunto

Question

Sto provando a racimolare il contenuto da http://google.com. viene visualizzato il messaggio di errore.

library(rvest) 
html("http://google.com") 

Error in open.connection (x, "RB"):
Timeout è stato raggiunto Inoltre: messaggio
Attenzione: 'html' è deprecato.
Utilizzare invece "read_html".
vedere la Guida ("deprecato")

dal momento che sto utilizzando la rete aziendale, questo forse causato da firewall o un proxy. Provo a usare set_config, ma non funziona.

Answer 1

Questo è probabilmente un problema con la chiamata a read_html (o html nel tuo caso) che non si identifica correttamente con il server dal quale tenta di recuperare il contenuto, che è il comportamento predefinito. Usando il curl, aggiungi un interprete all'argomento handle di read_html per far sì che il tuo raschietto si identifichi.

library(rvest) 
library(curl) 
read_html(curl('http://google.com', handle = curl::new_handle("useragent" = "Mozilla/5.0"))) 

Answer 2

Ho incontrato lo stesso problema quando si lavora Error in open.connection(x, “rb”) : Timeout was reached dietro un proxy nella rete aziendale.

Ecco cosa ha funzionato per me,

library(rvest) 
url = "http://google.com" 
download.file(url, destfile = "scrapedpage.html", quiet=TRUE) 
content <- read_html("scrapedpage.html") 

credito: https://stackoverflow.com/a/38463559

Answer 3

mi sono imbattuto in questo problema perché il mio VPN è stato acceso. Subito dopo averlo spento, ho riprovato e ho risolto il problema.