6
私はreadHTMLTableとXMLパッケージにエンコードの問題があります。私はポーランドのサイトallegro.pl（eBayに似たオークションサイト）からいくつかのテーブルをダウンロードしたいと思っていますが、その後は、エンコーディング= "UTF-8"やstringsAsFactors = Fを使用していても、 readHTMLTable。readHTMLTableとUTF-8エンコーディング
コード：
library(XML)
url<-paste("http://allegro.pl/listing.php/search?category=15821&sg=0&p=",1:5,"&string=facebook",sep="")
alldata<-NULL
for (i in 1:5){
dane<-as.data.frame(readHTMLTable(url[i],1,stringsAsFactors = TRUE, encoding="UTF-8")$lista)
alldata<-rbind(alldata,dane)
}
結果：
> head(alldata[,c(2,3)])
V2 V3
1 Facebook Fan Page z ANIMACJĄ indywidualny projekt Kup Teraz! 150,00 zł
2 Lubię to! Facebook! OKAZJA!!! 160 FANĂ“W!!! ZOBACZ! Kup Teraz! 10,99 zł
3 125 fanĂÂłw fani like fanpage FACEBOOK polskie konta Kup Teraz! 10,00 zł
4 Reklama Fanpage 43500+ fanĂÂłw, fani, facebook Efekt Kup Teraz! 17,99 zł
5 Facebook Fanpage -Stworzenie Profesjonalnego Konta Kup Teraz! 77,90 zł
6 Facebook Fanpage -Skuteczna Obsługa/Reklama /FV Kup Teraz! 100,00 zł
私はのgetURLまたはreadLinesを使用する場合、それは素晴らしいことだbeacuse、そこには問題はありませんが、私はXMLパッケージを使用したい:)
htmlParse、xpathApply、readHTMLTableなどのXMLパッケージ関数を使用すると、常にこの問題が発生します。
私はRstudio 0.94.110 @ Windows7で作業しています。以下のSessionInfo。
R version 2.14.0 (2011-10-31)
Platform: x86_64-pc-mingw32/x64 (64-bit)
locale:
[1] LC_COLLATE=Polish_Poland.1250 LC_CTYPE=Polish_Poland.1250 LC_MONETARY=Polish_Poland.1250 LC_NUMERIC=C LC_TIME=Polish_Poland.1250
attached base packages:
[1] splines stats graphics grDevices utils datasets methods base
other attached packages:
[1] spdep_0.5-41 coda_0.14-6 deldir_0.0-16 maptools_0.8-10 foreign_0.8-46 nlme_3.1-102 Matrix_1.0-1 lattice_0.20-0 boot_1.3-3
[10] sp_0.9-91 maps_2.2-2 RCurl_1.7-0.1 bitops_1.0-4.1 XML_3.4-2.2 Cairo_1.5-1 car_2.0-11 survival_2.36-10 nnet_7.3-1
[19] MASS_7.3-16
loaded via a namespace (and not attached):
[1] grid_2.14.0 tools_2.14.0