个人中心
文章发布
退出
作者热门文章
- html - 出于某种原因，IE8 对我的 Sass 文件中继承的 html5 CSS 不友好？
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景？
24
4
我想抓取以下网页:
http://www.oricon.co.jp/rank/js/w/2017-01-16/p/4/
但是编码存在一些问题:
library(rvest)
URL = 'http://www.oricon.co.jp/rank/js/w/2017-01-16/p/4/'
read_html(URL)
Error in
eval(substitute(expr), envir, enclos): input conversion failed due to input error, bytes 0xFA 0xB1 0x90 0xE7 [6003]
read_html('http://www.oricon.co.jp/rank/js/w/2017-01-16/p/2/')
# {xml_document}
# <html>
# [1] <head prefix="og: http://ogp.me/ns# fb: http://ogp.me/ns/fb#">\n <meta charset="shi ...
# [2] <body id="container"> \n<script src="//ajax.googleapis.com/ajax/libs/jquery/1.11 ...
rvest 上建议的方法对编码进行更明确的处理。问题跟踪器
here :
library(httr)
guess_encoding(content(GET(URL), 'raw'))
# encoding language confidence
# 1 ISO-8859-1 pt 0.72
# 2 ISO-8859-2 ro 0.44
# 3 UTF-8 0.10
# 4 Shift_JIS ja 0.10
# 5 GB18030 zh 0.10
# 6 EUC-JP ja 0.10
# 7 EUC-KR ko 0.10
# 8 Big5 zh 0.10
# 9 ISO-8859-9 tr 0.01
Shift_JIS 之外的所有语言都是错误的和
EUC-JP ，但两者都会产生类似的错误(麻烦的字节码不同):
read_html(URL, encoding = 'Shift_JIS')
Error in
eval(substitute(expr), envir, enclos): input conversion failed due to input error, bytes 0xFA 0xB1 0x90 0xE7 [6003]
read_html(URL, encoding = 'EUC-JP')
Error in
eval(substitute(expr), envir, enclos): input conversion failed due to input error, bytes 0x8F 0x54 0x8A 0xD4 [6003]
cell.xp = '//div[@class="inner" and ./a[contains(@href, "prof")]]'
read_html(URL, encoding = 'ISO-8859-1') %>%
html_nodes(xpath = cell.xp) %>% html_nodes('h2') %>%
html_text %>% tail(6)
# [1] "\u0082æ\u0082Ñ\u0082·\u0082Ä"
# [2] "\u0083n\u0083b\u0083s\u0081[\u0083G\u0083\u0093\u0083h"
# [3] "THE IDOLM@STER CINDERELLA GIRLS STARLIGHT MASTER 07 \u0083T\u0083}\u0083J\u0083j!!"
# [4] "Dear Bride"
# [5] "Fantastic Time"
# [6] "Hey Ho"
guess_encoding 的编码没有提到可能会解决我的问题？有什么方法可以找出页面上的哪些字符导致问题并希望排除它们？错误消息中的 6003 是什么意思？
sessionInfo包版本引用:
# R version 3.3.1 (2016-06-21)
# Platform: x86_64-pc-linux-gnu (64-bit)
# Running under: Ubuntu 14.04.3 LTS
#
# locale:
# [1] LC_CTYPE=en_US.UTF-8 LC_NUMERIC=C LC_TIME=en_US.UTF-8
# [4] LC_COLLATE=en_US.UTF-8 LC_MONETARY=en_US.UTF-8 LC_MESSAGES=en_US.UTF-8
# [7] LC_PAPER=en_US.UTF-8 LC_NAME=C LC_ADDRESS=C
# [10] LC_TELEPHONE=C LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C
#
# attached base packages:
# [1] stats graphics grDevices utils datasets methods base
#
# other attached packages:
# [1] rvest_0.3.2.9000 xml2_1.1.0.9000
#
# loaded via a namespace (and not attached):
# [1] httr_1.2.1 magrittr_1.5 R6_2.1.3 tools_3.3.1 withr_1.0.2
# [6] curl_1.2 Rcpp_0.12.9 memoise_1.0.0 knitr_1.15.1 git2r_0.18.0
# [11] digest_0.6.11 devtools_1.12.0
最佳答案
按照我们在评论中的讨论:编码应该是 Shift_JISX0213如 Shift_JIS不知何故不是平台/设置独立的。
require(rvest)
url <- "http://www.oricon.co.jp/rank/js/w/2017-01-16/p/4/"
cell.xp = '//div[@class="inner" and ./a[contains(@href, "prof")]]'
xml2::read_html(url, encoding = "Shift_JISX0213") %>%
html_nodes(xpath = cell.xp) %>% html_nodes('h2') %>%
html_text %>% tail(6)
[1] "よびすて"
[2] "ハッピーエンド"
[3] "THE IDOLM@STER CINDERELLA GIRLS STARLIGHT MASTER 07 サマカニ!!"
[4] "Dear Bride"
[5] "Fantastic Time"
[6] "Hey Ho"
shift_jis应该做的伎俩？即使它不适用于所有系统:
shift_jis和
Shift_JISX0213使用以下设置为我工作:macOS Sierra 10.12.2
Session info --------------------------------------------------------------------------------------
setting value
version R version 3.3.1 (2016-06-21)
system x86_64, darwin13.4.0
ui RStudio (1.0.44)
language (EN)
collate en_US.UTF-8
tz Europe/Vienna
date 2017-01-16
Packages ------------------------------------------------------------------------------------------
package * version date source
curl 2.3 2016-11-24 cran (@2.3)
devtools 1.12.0 2016-06-24 CRAN (R 3.3.0)
digest 0.6.11 2017-01-03 cran (@0.6.11)
httr 1.2.1 2016-07-03 CRAN (R 3.2.5)
magrittr 1.5 2014-11-22 CRAN (R 3.3.0)
memoise 1.0.0 2016-01-29 CRAN (R 3.2.3)
R6 2.2.0 2016-10-05 CRAN (R 3.3.0)
Rcpp 0.12.9 2017-01-15 Github (RcppCore/Rcpp@f57467b)
rvest * 0.3.2.9000 2017-01-01 local
selectr 0.3-0 2016-08-30 CRAN (R 3.3.0)
stringi 1.1.2 2016-10-01 CRAN (R 3.3.0)
stringr 1.1.0 2016-08-19 CRAN (R 3.3.0)
withr 1.0.2 2016-06-20 CRAN (R 3.3.0)
XML 3.98-1.5 2016-11-10 CRAN (R 3.3.2)
xml2 * 1.1.0.9000 2017-01-15 Github (hadley/xml2@d36883c)
关于r - 调查编码错误，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/41684799/
24
4
0
我正在从 Stata 迁移到 R(plm 包)，以便进行面板模型计量经济学。在 Stata 中，面板模型(例如随机效应)通常报告组内、组间和整体 R 平方。 I have found plm 随机效应
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 想改进这个问题？将问题更新为 on-topic对于堆栈溢出。 6年前关闭。 Improve this qu
我想要求用户输入整数值列表。用户可以输入单个值或一组多个值，如 1 2 3(spcae 或逗号分隔)然后使用输入的数据进行进一步计算。 我正在使用下面的代码 EXP <- as.integer(rea
当 R 使用分类变量执行回归时，它实际上是虚拟编码。也就是说，省略了一个级别作为基础或引用，并且回归公式包括所有其他级别的虚拟变量。但是，R 选择了哪一个作为引用，以及我如何影响这个选择？ 具有四个级
这个问题基本上是我之前问过的问题的延伸:How to only print (adjusted) R-squared of regression model? 我想建立一个线性回归模型来预测具有 15
我在一台安装了多个软件包的 Linux 计算机上安装了 R。现在我正在另一台 Linux 计算机上设置 R。从他们的存储库安装 R 很容易，但我将不得不使用 安装许多包 install.package
我正在阅读 Hadley 的高级 R 编程，当它讨论字符的内存大小时，它说: R has a global string pool. This means that each unique strin
我们可以将 Shiny 代码写在两个单独的文件中，"ui.R"和 "server.R" , 或者我们可以将两个模块写入一个文件 "app.R"并调用函数shinyApp() 这两种方法中的任何一种在性
我正在使用 R 通过 RGP 包进行遗传编程。环境创造了解决问题的功能。我想将这些函数保存在它们自己的 .R 源文件中。我这辈子都想不通怎么办。我尝试过的一种方法是: bf_str = print(b
假设我创建了一个函数“function.r”，在编辑该函数后我必须通过 source('function.r') 重新加载到我的全局环境中。无论如何，每次我进行编辑时，我是否可以避免将其重新加载到我的
例如，test.R 是一个单行文件: $ cat test.R # print('Hello, world!') 我们可以通过Rscript test.R 或R CMD BATCH test.R 来
我知道我可以使用 Rmd 来构建包插图，但想知道是否可以更具体地使用 R Notebooks 来制作包插图。如果是这样，我需要将 R Notebooks 编写为包小插图有什么不同吗？我正在使用最新版本
我正在考虑使用 R 包的共享库进行 R 的站点安装。 多台计算机将访问该库，以便每个人共享相同的设置。 问题是我注意到有时您无法更新包，因为另一个 R 实例正在锁定库。我不能要求每个人都关闭它的 R
我知道如何从命令行启动 R 并执行表达式(例如， R -e 'print("hello")' )或从文件中获取输入(例如， R -f filename.r )。但是，在这两种情况下，R 都会运行文件中
我正在尝试使我当前的项目可重现，因此我正在创建一个主文档(最终是一个 .rmd 文件)，用于调用和执行其他几个文档。这样我自己和其他调查员只需要打开和运行一个文件。 当前设置分为三层:主文件、2 个读
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 想改进这个问题？将问题更新为 on-topic对于堆栈溢出。 5年前关闭。 Improve this qu
我的 R 包中有以下描述文件 Package: blah Title: What the Package Does (one line, title case) Version: 0.0.0.9000
有没有办法更有效地编写以下语句？accel 是一个数据框。 accel[[2]]<- accel[[2]]-weighted.mean(accel[[2]]) accel[[3]]<- accel[[
例如，在尝试安装 R 包时 curl作为 usethis 的依赖项: * installing *source* package ‘curl’ ... ** package ‘curl’ succes
我想将一些软件作为一个包共享，但我的一些脚本似乎并不能很自然地作为函数运行。例如，考虑以下代码块，其中“raw.df”是一个包含离散和连续类型变量的数据框。函数“count.unique”和“squa
我是一名优秀的程序员,十分优秀！