我该如何以编程方式查找R包的数量？

Question

每天CRAN提供的软件包数量都在变化。我试图使用以下R代码以编程方式计算软件包的数量：

nrow(installed.packages())

然而，这段代码只返回系统中当前安装的软件包数量。我该如何计算所有软件包的数量？

- Hakan Yüce

Answer 1

> nrow(available.packages())
[1] 13429
> Sys.Date()
[1] "2018-11-29"

您可以在?installed.packages的参见部分找到有关available.packages（以及其他相关函数）的信息。

- Gregor Thomas

Answer 2

您可以使用网络爬虫代码准确计算CRAN随时提供的软件包数量：

library(rvest)

pkgs <- read_html("https://cran.r-project.org/web/packages/available_packages_by_name.html")
mylines <- pkgs %>% 
    html_nodes("tr") %>%
    xml_text()

nb_pkgs <- length(which(sapply(mylines, nchar)>5))
print(paste("There are", nb_pkgs, "packages available in CRAN as of", Sys.Date()))

- Servet

---

感谢@Servet！你的代码显示了13515个包，而我用"nrow(installed.packages())"体验到了13477个。我还有一个问题，您知道任何云计算环境可以测试上述代码吗？因为我没有安装R的机器可供使用。我尝试过一些环境，但它们对免费用户提供的时间非常有限，比如每8天只有1小时的使用时间。 - Hakan Yüce

这个答案很聪明，但没有经过充分的审查。例如，当我运行代码时，第一个“package”被计算的是这一行：<tr id="available-packages-A">\n<td></td> </tr>\n，而第560个package是<tr id="available-packages-B">\n<td></td> </tr>\n，即不是packages。此外，默认情况下，available.packages()会进行一些去重处理-请参阅帮助页面以获取详细信息。因此，我认为您在这两种方法之间看到的38个包的差异是26个字母标题和12个available.packages()删除的重复项。 - Gregor Thomas

@Gregor 很好的评论。我更新了我的代码，从最终计数中排除了你提到的这些空行。对于重复项，是否需要取决于最终用户的选择。我的代码提供了整个图片，并且是网络爬虫的一种练习。 - Servet

@HakanYüce 你可以在 melda.io 的云端运行上述代码。这是一个自带 rvest 包的软件即服务，是免费的。你无需安装或下载任何软件。还有 kaggle.com 提供免费且不间断的服务。 - Servet