作者celestialgod (天)
看板R_Language
標題Re: [問題] R中文編碼(MS950)問題
時間Wed Dec 30 14:25:26 2015
※ 引述《AmuroRai (SIEG ZEON!!!!!!)》之銘言：
: [問題類型]:
: 程式諮詢(我想用R 做某件事情，但是我不知道要怎麼用R 寫出來)
: [軟體熟悉度]:
: 入門(寫過其他程式，只是對語法不熟悉)
: [問題敘述]:
: 最近開始在學用R寫爬蟲，而今天下午試著要爬證交所的股票代碼列表時發現他們似乎
: 是使用MS950編碼，但是這個編碼R卻無法認得。（參見程式碼部分）
: 後來還有試過用utf-8和big5硬推，也試著用tmcn去轉碼，但是中文部分還是只得到亂碼。
: 因此想請問是否有什麼方法可以繞過這個問題？
: （把原網頁資料抓下來存成csv轉碼後再丟給R不在考慮之列）
: [程式範例]:
: 只附上一開始用MS950的程式碼，big5和utf-8的結果大同小異。
: 另外最後res和ress的output不知道為什麼無法完整貼上，但總之遇到中文都是亂碼就是了
library(RCurl)
library(stringi)
urlToGet = "
http://isin.twse.com.tw/isin/C_public.jsp?strMode=2"
htmlFile = getURLContent(urlToGet)
htmlFileEncodingUTF8 = stri_encode(html_file,
attr(html_file, "Content-Type")[2], "utf8")
Encoding(htmlFileEncodingUTF8)
# [1] "UTF-8"
--
R資料整理套件系列文：
magrittr #1LhSWhpH (R_Language) http://tinyurl.com/1LhSWhpH
data.table #1LhW7Tvj (R_Language) http://tinyurl.com/1LhW7Tvj
dplyr(上) #1LhpJCfB (R_Language) http://tinyurl.com/1LhpJCfB
dplyr(下) #1Lhw8b-s (R_Language)
tidyr #1Liqls1R (R_Language) http://tinyurl.com/1Liqls1R
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.109.74.87
※ 文章網址: https://webptt.com/m.aspx?n=bbs/R_Language/M.1451456729.A.D7F.html
1F：推 AmuroRai: 謝謝c大,晚點再來用curl試試 12/30 15:51
不過那張表格的寫法有問題，xml是無法parse的
例如： align=center xmlParse不會過
都會出現 AttValue: " or ' expected
※ 編輯: celestialgod (140.109.74.87), 12/30/2015 16:00:05