draft/getPostOffice.R

In leoluyi/CRMaddress: Crawling address in Taiwan

getPostOffice <- function(){  
  #營業場所一覽
  url_office="http://www.post.gov.tw/post/internet/I_location/index_all.html"
  res=GET(url_office,encoding="UTF-8")
  con=content(res,"text",encoding="UTF-8")
  #留意此要有encoding，否則會出現unicode編碼
  con_par=htmlParse(con,encoding="UTF8") 
  #抓出所有郵局的資料
  office_list=getNodeSet(con_par,"//tr")
  #總計有幾家郵局
  ttl_office_cnt=length(office_list)
  
  #抓取明細資料開始
  post=c()
  atm=c()
  post_code=c()
  computer_code=c()
  store_nm=c()
  computer_name=c()
  store_link=c()
  addr=c()
  post_tel=c()
  remit_tel=c()
  
  #從2開始，因為第一筆為title
  for(office_no in 2:ttl_office_cnt){
    #首先第一為確認郵局有郵務或ATM
    xml_str=xmlChildren(office_list[[office_no]])
    img=xmlToList(xml_str[1]$td)
    #先設定郵局服務為NA，再依其提供的部分更新為Y
    #office_no需要減一，因為這樣資料表格才會從第一筆開始
    post[office_no-1]="NA"
    atm[office_no-1]="NA"
    for(img_cnt in 1:(length(img)-1)){
      if(img[img_cnt]$img["alt"]=="郵局"){post[office_no-1]="Y"}
      if(img[img_cnt]$img["alt"]=="ATM"){atm[office_no-1]="Y"}  
    }
    #第二為確認郵局郵遞區號／電腦局號等
    
    post_code[office_no-1]=xmlToList(xml_str[3]$td)$text
    computer_code[office_no-1]=xmlToList(xml_str[5]$td)$text
    store_nm[office_no-1]=xmlToList(xml_str[7]$td)$a$text
    store_link[office_no-1]=xmlToList(xml_str[7]$td)$a$.attrs["href"]
    computer_name[office_no-1]=xmlToList(xml_str[9]$td)$text
    addr[office_no-1]=xmlToList(xml_str[11]$td)$text
    if(is.null(xmlToList(xml_str[13]$td))==FALSE){
      post_tel[office_no-1]=xmlToList(xml_str[13]$td)
    }else{post_tel[office_no-1]="NA"}
    if(is.null(xmlToList(xml_str[15]$td))==FALSE){
      remit_tel[office_no-1]=xmlToList(xml_str[15]$td)
    }else{remit_tel[office_no-1]="NA"}
  }
  
  office_data=data.frame(brand_nm="郵局", kind="全國營業據點",
                         store_nm, store_link, computer_name,
                         post, atm, post_code, computer_code,                       
                         addr, post_tel, remit_tel, stringsAsFactors=FALSE)
  return(office_data)
}