Re: [問題] R中文編碼(MS950)問題

看板R_Language作者AmuroRai (SIEG ZEON!!!!!!)時間8年前 (2016/01/02 00:15)推噓2(2推 0噓 0→)

留言2則, 2人參與討論串3/3 (看更多)

直到剛剛才有空檔碰電腦，發現如果直接用c大的做法程式可以順利執行，但當我想打開用stri_encoding改過的內容物(即htmlFileEncodingUTF8)時R就會立刻當機。而在稍微改一下c大的做法後就正常了。大致上的概念就是使用RCurl而不是用httr來抓內容，之後照我原來的做法用rvest解並用 tmcn去轉碼，附上程式碼和結果如下： > rm(list=ls()) > > library(tmcn) > library(httr) > library(rvest) > library(magrittr) > library(RCurl) > #改成使用RCurl的getURLContent來抓 > r<-getURLContent("http://isin.twse.com.tw/isin/C_public.jsp?strMode=2") #一樣用rvest來解內容 > res<-r%>%read_html()%>% + html_node(".h4")%>%html_nodes(xpath="tr")%>%html_text() #用tmcn轉碼成utf8 > ress<-toUTF8(res) #轉碼前的結果,一樣是亂碼 > res[1:5] [1] "\xe6\x9c桧挟霅桧驼隞\xa3\xe8\x99蓢\x8f箫\x90讵迂 \xe5\x9c鹉\x9aˋ\xad桧驼颲刻\xad哣\x99蓸Ⅳ(ISIN Code)銝箫\xb8弴鞒撣弡ū\xe5锑\xe7椡璆剖锑 CFICode\xe5\x82⒣酉" [2] " \xe8篭蟡\xa8 " [3] "1101 \xe3\u0080\u0080\xe5阋瘜冉W00011010041962/02/09銝箫\xb8弴偌瘜亙極璆胥SVUFR" [4] "1102 \xe3\u0080\u0080鈭靀野TW00011020021962/06/08銝箫\xb8弴偌瘜亙極璆胥SVUFR" [5] "1103 \xe3\u0080\u0080\xe5\x98栉野TW00011030001969/11/14銝箫\xb8弴偌瘜亙極璆胥SVUFR" #轉碼後的結果看來是正常多了 > ress[1:5] [1] "有價證券代號及名稱國際證券辨識號碼(ISIN Code)上市日市場別產業別CFICode備註" [2] " 股票 " [3] "1101 　台泥TW00011010041962/02/09上市水泥工業ESVUFR" [4] "1102 　亞泥TW00011020021962/06/08上市水泥工業ESVUFR" [5] "1103 　嘉泥TW00011030001969/11/14上市水泥工業ESVUFR" > -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 36.237.75.44 ※ 文章網址: https://www.ptt.cc/bbs/R_Language/M.1451664911.A.E62.html ※ 編輯: AmuroRai (36.237.75.44), 01/02/2016 00:38:29 ※ 編輯: AmuroRai (36.237.75.44), 01/02/2016 00:39:08

推

kpwada

01/02 10:56, , 1^F

01/02 10:56, 1^F

推

psinqoo

01/02 15:52, , 2^F

01/02 15:52, 2^F

‣ 返回看板[ R_Language ] 程式

‣ 更多 AmuroRai 的文章

文章代碼(AID): #1MXgOFvY (R_Language)