Re: [問題] table問題(網頁編碼)
※ 引述《vicror84 (阿汘)》之銘言：
: ※ 引述《celestialgod (天)》之銘言：
: : 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
: 因為我是新手剛學R，看不太懂 str_replace_all("\\s", "") 這段程式，
: 還有，
str_replace_all(string, pattern, replacement):
http://www.inside-r.org/packages/cran/stringr/docs/str_replace_all
把string中符合pattern的字串置換成replacement的字串
例如：str_replace_all("aa bb cc", "\\s", "")
"\\s"是regexp裡的空白，""就是零長度的字串，所以置換後就會變成 "aabbcc"
%>>% 部分可以參考在板上/magrittr，有一篇簡單的教學文，看%>%部分
我這裡只有一個地方用到%>>%的特色 (do.call(what = rbind)這裡用到而已)
: 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)
: 尤其是那些數字，不太懂他們代表什麼意思，如果逐一註解更好，不方便的話沒有關係
數字是因為網頁的表格有跨欄位的問題，所以他不見得都會抓滿12欄
所以你需要自己手動去補成12欄，我只是做這樣的事情而已
因此，才會在你下一篇回答說那個表格處理請參考我下一篇
也就是這個部分，自己抓出每一列之後，做補滿或是調整空位的部分
這個可能對R新手比較困難一點，但是沒有現成的函數可以直接讀跨欄的欄位
如果只會用XML的readHTMLTable，就只會出現都靠左的情況，剩下都補入""
這個就只能自己慢慢位移了
逐一註解就不做了，這裡只是一個概念，你需要自己動手去把table抓下來
看看抓下來的每一列長怎樣，然後程式裡對應處理為何
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.109.74.87
※ 文章網址: https://www.ptt.cc/bbs/R_Language/M.1465201420.A.0D2.html
※ 編輯: celestialgod (140.109.74.87), 06/06/2016 16:26:20
推
06/07 22:47, , 1F
06/07 22:47, 1F
討論串 (同標題文章)
本文引述了以下文章的的內容：
完整討論串 (本文為第 4 之 4 篇)：
