Re: [問題] table問題(網頁編碼)
※ 引述《vicror84 (阿汘)》之銘言：
: 請問我想把亞東健檢中心(http://depart.femh.org.tw/HMC/wholebody.html)的表格爬下
: 來，但會出現亂碼在windows系統中，使用R語言，抓取表格呈現出亂碼，
: 我們將格式轉為繁體，
: 還是會呈現亂碼，我們研究出所有BIG5編碼的網頁，轉換後，還是亂碼，
: 程式如下:
: library(XML)
: URL = paste0("http://depart.femh.org.tw/HMC/wholebody.html")
: doc<-htmlParse(URL,encoding="UTF-8")
: tables<-readHTMLTable(doc,header=T,which = 2)
: tables
: dim(tables)
: View(tables)
我不知道網頁的header跟內文的關係
我看charset是big5，不過我實際讀表格的資料，還是要用UTF8
所以我抓content的時候用big5是正常的，再用read_html with encoding utf8
之後再把utf8轉回去big5 (windows才要轉，mac, linux不用stri_conv那段)
之後就可以看到正常的表格內容了
library(httr)
library(pipeR)
library(xml2)
library(stringi)
library(stringr)
tableContent <- GET("http://depart.femh.org.tw/HMC/wholebody.html") %>>%
content("text", encoding = "BIG5") %>>% read_html("UTF-8") %>>%
xml_find_all("//tr/td/table/tbody/tr") %>>% lapply(function(x){
output_text <- xml_find_all(x, "td") %>>% xml_text %>>%
stri_conv(from = "UTF-8", to = "Big5") %>>% str_replace_all("\\s", "")
if (length(output_text) >= 9 && length(output_text) <= 11)
{
return(c(rep("", 12-length(output_text)), output_text))
} else if (length(output_text) == 8)
{
return(c(output_text[1:4], unlist(rbind(output_text[5:8], rep("", 4)))))
} else
{
return(output_text)
}
}) %>>% do.call(what = rbind)
結果截圖：
http://i.imgur.com/eDG4uEY.png
函數說明可以往前翻我的文章，某一篇(#1N9lFXFI (R_Language))下面有一些說明
不懂再回文發問吧
#那串的用法：http://evolutionbrain.blogspot.tw/2015/08/ptt.html
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 211.76.63.212
※ 文章網址: https://www.ptt.cc/bbs/R_Language/M.1465132100.A.58E.html
※ 編輯: celestialgod (211.76.63.212), 06/05/2016 21:15:10
討論串 (同標題文章)
R_Language 近期熱門文章
PTT數位生活區 即時熱門文章