[英]R special characters from html tables
我正在研究一個簡單的腳本來從HTML表中抓取數據。 問題是該表包含特殊字符,即使它說已下載為utf-8。
library(XML)
webpage.Name <- "http://www.registeruz.sk/cruz-public/domain/financialreport/show/4817607"
webpage.Name.table <- readHTMLTable(webpage.Name, header=T, which=1,stringsAsFactors=F)
抓取數據的示例:
V1 V2
1 Mimoriadna <NA>
2 <NA>
3 Ă<U+009A>ÄŤtovná jednotka: malá
4 DaĹ<U+0088>ovĂ© identifikaÄŤnĂ© ÄŤĂslo: 2023790373
我嘗試使用gsub並更改某些模式,但似乎不起作用。 與iconv相同,從utf-8到latin1。 抓取后的數據是否包含特殊字符都沒有關系。
在readHTMLTable()
使用encoding = "UTF-8"
df <- readHTMLTable(webpage.Name,
header = TRUE, which = 1, stringsAsFactors = FALSE, encoding = "UTF-8")
head(df, 4)
# V1 V2
# 1 Mimoriadna <NA>
# 2 <NA>
# 3 Účtovná jednotka: malá
# 4 Daňové identifikačné číslo: 2023790373
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.