wa2003的博客

用R里的包Rcurl,代码如下 url='http://beijing.lashou.com/travel/menpiao' # web=readLines(url,encoding='UTF-8'); #逐行读取网页源文件 head(web,10); goods_name head(goods_name,1) [1] "【马驹桥】皕富园农场" goods_name",go

1、toGeoJSON挑字符格式 乱码一定要清除掉，否则出差，尤其是互联网爬的数据，要用正则去处理。常用的清理方法如下： hp.df$loupanmingcheng<-gsub("[^a-zA-Z0-9\u4e00-\u9fa5]","",hp.df$loupanmingcheng);  #替换乱码; # [\u4e00-\u9fa5]  匹配汉字-汉字的正则表达式； [\a-zA-Z0