這種自帶黑科技的R包，請給我來一打

今天要介紹的這個R包，有些特別！

它即不能做可視化，也不能用來抓數據！

它的核心功能是抓拍，對，你沒聽錯，就是抓取，和狗仔差不多！

而且專門抓拍網頁，有點兒類似於我們常說的網頁快照。

底層仍然是通過plantomjs無頭瀏覽器提供渲染支持，所以它可以解析帶有js動態腳本的非同步載入網頁。

它抓拍功能強大的什麼地步，基本是原生的瀏覽器界面清晰度（除了格式是靜態圖片之外，基本不會損失什麼像素）。

抓拍輸出的圖片像素與長寬比支持自定義、支持zoom縮放，支持png、jpeg、pdf三種主流圖片格式，支持定義窗口內元素和滾動長圖。（那種一個網頁特別長要滾到到底部的一樣不用擔心）。

支持圖片簡單修飾、尺寸調整、內存壓縮。

它的名字叫webshot,項目主頁在這裡：https://github.com/wch/webshot。

關於包下載：

devtools::install_github("wch/webshot")，如果出現timeout問題，請載入curl包，還不行，請切換到非教育網（不要問我怎麼知道的，原因不可描述！）

這個包底層需要使用PhantomJS瀏覽器，所以仍然需要你提前下載，你可以到這個網站（http://phantomjs.org/）手動下載，這個包下載之後，裡面有一個下載PhantomJS的內建函數webshot::install_phantomjs(),免去了你版本篩選的麻煩，非常方便！

library("webshot")

webshot包的最主要函數只有一個——webshot函數（現在的R包開發者套路都很深，一個函數一個包）默認情況下，webshot會抓取目標網址的整個網頁（無論你的網頁一屏是否能夠盛的下，即便單窗口容不下，這個函數也會默認抓取所有網頁可視內容，所以截長屏分分鐘的事兒）。

setwd("D:/R/Image/screenshot")webshot("http://study.163.com/", "yunketang.png",delay = 5) #輸出png格式截屏webshot("http://study.163.com/", "yunketang.jpeg",delay = 5) #輸出jpeg格式截屏webshot("http://study.163.com/", "yunketang.pdf",delay = 5) #輸出PDF格式截屏

由於長屏長寬比例不符合微信公眾號圖片上傳規定，無法上傳，只能給個截圖，看看霸氣的截長屏。

delay參數設置的抓取延時長度，這樣避免有些內容還沒來記得載入完成！

pdf無法上傳公眾號編輯器，這裡就看下其中一個圖片的效果吧！

以上是因為沒有設置截屏範圍，所以默認抓取了全屏，這裡設置一下截屏參數！

webshot("http://study.163.com/", "yunketangv.png",cliprect="viewport",delay = 5) #只抓取當前屏幕可見範圍內的網頁內容

為啥抓取的那些完整的長圖，只有最頂部圖片是載入完畢的，後面都是只有框架和文字，沒有圖片顯示呢，我猜這個還是因為非同步載入的緣故，即便是真人操縱瀏覽器，瀏覽器也是根據實際滑鼠動作或者窗口位置，實時更新當前屏幕內的內容，而那些還沒有滾動到的頁面位置，就只有頁面框架，圖片還沒有觸發更新動作，使用瀏覽器滑鼠下拉動作時，我們也能明顯感覺到有些圖片從無到有的載入過程。

webshot("http://raindu.com/", "raindu.png",cliprect="viewport",delay = 5,zoom=1) webshot("http://raindu.com/", "raindu2.png",cliprect="viewport",delay = 5,zoom=2)

zoom參數設置抓取的圖片縮放倍數。

webshot("http://music.163.com/", "yunyinyue.png",cliprect="viewport",delay = 5,, expand = c(10, 50, 10, 50))

expand設置圖片輸出的頁面邊距，以像素為單位，參數只需提供一個長度為4的數值型向量，分別代表top、right、bottom、left。

對比一下雲音樂原始web頁面與設置頁邊距後的圖片有什麼不同。

仔細對比會發現，使用普通截圖工具（faststone截得）截圖結果，因為是Chrome渲染，字體和布局效果更為逼真，但是清晰度不行（可能是工具限制），使用webshot截得看起來清晰度更好，但是裡面的字體渲染失真。（變成了宋體）。

webshot函數允許你輸入css表達式來選擇網頁局部進行截取：

webshot("http://study.163.com/", "yunyinyuejubu.png",selector = ".m-slide.f-pr",delay = 2) webshot("http://music.163.com/", "yunyinyuejubu.png",selector = "div#index-banner.n-ban.d-flag",delay = 2)

使用css表達式，提取出了網易雲課堂主頁，中間的滾動廣告位展示區。(廣告位沒有抓到，抓到了一個頂邊菜單欄o(╯□╰)o)

webshot還可以支持對輸出的截圖進行簡單壓縮、裁剪！

library("magrittr")url<-"http://image.baidu.com/search/detail?z=0&word=%E9%98%BF%E5%88%98&hs=0&pn=3&spn=0&di=0&pi=42852035143&tn=baiduimagedetail&is=0%2C0&ie=utf-8&oe=utf-8&cs=1160865886%2C3784169015&os=&simid=&adpicid=0&lpn=0&fm=&sme=&cg=&bdtype=-1&oriquery=&objurl=http%3A%2F%2Fh.hiphotos.baidu.com%2Fimage%2Fpic%2Fitem%2F00e93901213fb80e3cc67a1d3fd12f2eb83894e0.jpg&fromurl=&gsm=0&catename=pcindexhot"webshot(url=url,file ="baiduphoto.png",selector = "div.img-wrapper",delay = 2) %>% resize("50%") %>% shrink()

webshot最厲害的地方在於，它可以接受多個網址，批量抓取網頁快照。

urls<-c("http://study.163.com/smartSpec/intro.htm#/smartSpecIntro","http://study.163.com/client/download.htm","http://study.163.com/cp/introduction.htm","http://b.study.163.com/","http://www.icourse163.org/")webshot(urls, "wangyicourse.png",cliprect ="viewport",delay = 2)

雖然字體渲染沒有解決好，局部圖片載入未完成（可能我設置的等待時間有些短了），大框架載入出來了，webshot函數處理動態網頁略微有些笨拙，但是靜態網頁還是很棒的。

webshot函數不僅URL地址可以批量化，後面的所有參數都支持向量化，有些邊距參數可以設置為列表格式，但是要與url向量長度相等。

我是通過昨天那個rdom包項目主頁順藤摸瓜找到這個好玩的包的，rdom作者說，自己的靈感來源於webshot，這些包作者開發者這些工具真的是創意滿滿，以後還要什麼截圖工具（曾經我以為我使用的faststone截圖工具是這個世界上最好用的截圖工具，看來我錯了o(╯□╰)o）

這個包的應用場景在哪裡呢，比如說百度文庫帶有財富值的重要文檔，豆丁網，知網的重要救急文檔。一些不允許copy文字或者下載內容的網站。（沒關係我不要你的內容，我對你的網頁也不感興趣，我拍個照就走，你奈我何）。

比如現在反扒很嚴的某些網站，也許你並不需要整個的扒下人家的網頁（有難度處理也很費勁），抓取網頁快照，現在OCR識別技術這麼棒，主要圖片足夠清晰，表格和文字分分鐘導出來，可是如果是要抓網頁的話，挺折騰人的。

這個包的作者設計思路也是很簡單粗暴，能拍照解決的事情，幹嘛要跟人家程序員相愛相殺。

在線課程請點擊文末原文鏈接：

Hellobi Live | 9月12日 R語言可視化在商務場景中的應用