R语言XML包readHTMLTable中文乱码

最新推荐文章于 2022-06-23 14:52:21 发布

转载最新推荐文章于 2022-06-23 14:52:21 发布 · 1.2k 阅读

文章标签：

#r语言 #操作系统 #java

在Windows 7环境下使用RStudio Desktop与XML包时，遇到读取中文网页表格显示为乱码的问题。该问题在Ubuntu环境下未出现，初步判断与操作系统及XML包的编码方式有关。

环境： Windows 7, Ubuntu 12, RStudio Desktop

问题：使用安装在windows 7 上的RStudio desktop, 用包XML中的readHTMLTable读取网页上的

library(XML)

u = 'http://tech.163.com/special/00094IGJ/top1000.html'

url = htmlParse(u, encoding="GB2312")

tables = readHTMLTable(url)

raw = tables[[6]]

查看raw中文显示乱码，查看sessionInfo(),

R version 2.15.1 (2012-06-22)
Platform. x86_64-pc-mingw32/x64 (64-bit)

locale:
[1] LC_COLLATE=Chinese (Simplified)_People's Republic of China.936 
[2] LC_CTYPE=Chinese (Simplified)_People's Republic of China.936   
[3] LC_MONETARY=Chinese (Simplified)_People's Republic of China.936
[4] LC_NUMERIC=C                                                   
[5] LC_TIME=Chinese (Simplified)_People's Republic of China.936    

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods  
[7] base     

other attached packages:
[1] XML_3.95-0.1

loaded via a namespace (and not attached):
[1] tools_2.15.1

这个与操作相关， 可以尝试更改Sys.setlocale("LC_CTYPE", "UTF-8"),但报“操作系统报告说无法执行将本地化设成"UTF-8"的请求”。

在Ubuntu中使用RStudio却能正确显示中文，查看sessionInfo()

R version 2.14.1 (2011-12-22)
Platform. x86_64-pc-linux-gnu (64-bit)

locale:
 [1] LC_CTYPE=en_US.UTF-8 LC_NUMERIC=C         LC_TIME=C           
 [4] LC_COLLATE=C         LC_MONETARY=C        LC_MESSAGES=C       
 [7] LC_PAPER=C           LC_NAME=C            LC_ADDRESS=C        
[10] LC_TELEPHONE=C       LC_MEASUREMENT=C     LC_IDENTIFICATION=C 

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods  
[7] base     

loaded via a namespace (and not attached):
[1] tools_2.14.1

造成的原因推测是XML包编码方式与操作系统的字符编码相关。 有高手知道的具体原因的请帮忙解答下。

来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/16582684/viewspace-753963/，如需转载，请注明出处，否则将追究法律责任。

上一篇： sqoop导oracle数据库的数据到hive

下一篇： Greenplum参数查看

请登录后发表评论登录

全部评论

<%=items[i].createtime%>

<%=items[i].content%>

<%if(items[i].items.items.length) { %>

<%for(var j=0;j

<%=items[i].items.items[j].createtime%> 回复

<%=items[i].items.items[j].username%> 回复 <%=items[i].items.items[j].tousername%>： <%=items[i].items.items[j].content%>

<%}%> <%if(items[i].items.total > 5) { %>

还有<%=items[i].items.total-5%>条评论 ) data-count=1 data-flag=true>点击查看

<%}%>

<%}%> <%}%>

std1984

注册时间：2008-12-29

博文量
171
访问量

1298859

R语言XML包readHTMLTable中文乱码

最新文章