[問題] 萬惡的text encoding
[問題類型]:
程式諮詢
[軟體熟悉度]:
新手使用者
[問題敘述]:
試著去抓公開觀測資訊站的財務報表時遇到了文字編碼亂碼的問題。
原始頁面網址為：http://mops.twse.com.tw/mops/web/t164sb03
由於從該頁面獲取財報資料需要透過POST方法表單遞交，因此找到HTML中的form標籤，
把action的網址加上後面雜七雜八需要的name-value弄成query後找到了財報網頁：
http://mops.twse.com.tw/mops/web/ajax_t05st33?step=1&firstin=1&isnew=false&co_id=3519
可是裡面內容竟然是亂碼！查了一下Elements，在meta標籤發現他用的是big5:
<meta content="text/html; charset=big5" http-equiv="Content-Type">
所以後續的程式代碼就編寫成如下：
url=URLencode("http://mops.twse.com.tw/mops/web/ajax_t164sb03?step=1&firstin=1&isnew=true&co_id=3519")
url=getURL(url,.encoding="big5")
table=readHTMLTable(url,stringAsFactor=FALSE,which=2)
但讀出來的東西仍然是亂碼，
期間也試過了之前Wush大分享過的：
Sys.setlocale(category='LC_ALL', locale='C')
但好像對這個案不管用，
既然亂碼是出現在網站的，而且網站的meta標籤也寫明是用big5，為何getURL設定big5
會不work呢＠＠請教有什麼好的解決辦法嘛
[關鍵字]:Text Encoding
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 112.105.245.56
※ 文章網址: https://www.ptt.cc/bbs/R_Language/M.1422870922.A.302.html
※ 編輯: oldjojotenya (112.105.245.56), 02/02/2015 17:56:13
※ 編輯: oldjojotenya (112.105.245.56), 02/02/2015 17:57:13
→
02/03 12:39, , 1F
02/03 12:39, 1F