r - 名称不符合 XML 命名空间

Question

我正在尝试阅读此网站上的表格:

http://spacefem.com/pregnant/due.php?use=EDD&m=09&d=10&y=16

我使用rvest，但很快就报错了:

library(rvest)
read_html("http://spacefem.com/pregnant/due.php?use=EDD&m=09&d=10&y=16")

Error: Name spoiler:3tbt4d3m is not XML Namespace compliant [202]

这个错误是什么意思，我能做些什么来解决这个问题？

我已经查明了导致错误的内部函数:xml2:::doc_parse_raw。然而，xml2:::doc_parse_raw 只是对内部 C 代码的调用，这使得调试此问题变得更加困难。

Answer 1

另一种选择是使用 htmltidy(需要使用 v0.3.0 或更高版本，这意味着——截至本回答日期——使用开发版本与 CRAN 版本，直到 CRAN 达到 0.3。 0+) “清理”文档:

library(rvest)
library(htmltidy) # devtools::install_github("hrbrmstr/htmltidy")
library(httr)

URL <- "http://spacefem.com/pregnant/due.php?use=EDD&m=09&d=10&y=16"

# the site was not returning content for me w/o a more browser-like user agent

res <- GET(URL, user_agent("Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/46.0.2490.76 Mobile Safari/537.36"))

cleaned <- tidy_html(content(res, as="text", encoding="UTF-8"),
                     list(TidyDocType="html5"))

pg <- read_html(cleaned)