作者vicror84 (阿汘)
看板R_Language
标题Re: [问题] table问题(网页编码)
时间Mon Jun 6 15:29:34 2016
※ 引述《celestialgod (天)》之铭言：
: 我不知道网页的header跟内文的关系
: 我看charset是big5，不过我实际读表格的资料，还是要用UTF8
: 所以我抓content的时候用big5是正常的，再用read_html with encoding utf8
: 之後再把utf8转回去big5 (windows才要转，mac, linux不用stri_conv那段)
: 之後就可以看到正常的表格内容了
: library(httr)
: library(pipeR)
: library(xml2)
: library(stringi)
: library(stringr)
: tableContent <- GET("http://depart.femh.org.tw/HMC/wholebody.html") %>>%
: content("text", encoding = "BIG5") %>>% read_html("UTF-8") %>>%
: xml_find_all("//tr/td/table/tbody/tr") %>>% lapply(function(x){
: output_text <- xml_find_all(x, "td") %>>% xml_text %>>%
: stri_conv(from = "UTF-8", to = "Big5") %>>% str_replace_all("\\s", "")
: if (length(output_text) >= 9 && length(output_text) <= 11)
: {
: return(c(rep("", 12-length(output_text)), output_text))
: } else if (length(output_text) == 8)
: {
: return(c(output_text[1:4], unlist(rbind(output_text[5:8], rep("", 4)))))
: } else
: {
: return(output_text)
: }
: }) %>>% do.call(what = rbind)
: 结果截图：
: http://i.imgur.com/eDG4uEY.png
: 函数说明可以往前翻我的文章，某一篇(#1N9lFXFI (R_Language))下面有一些说明
: 不懂再回文发问吧
: #那串的用法：http://evolutionbrain.blogspot.tw/2015/08/ptt.html
因为我是新手刚学R，看不太懂 str_replace_all("\\s", "") 这段程式，
还有，
if (length(output_text) >= 9 && length(output_text) <= 11)
{
return(c(rep("", 12-length(output_text)), output_text))
} else if (length(output_text) == 8)
{
return(c(output_text[1:4], unlist(rbind(output_text[5:8], rep("", 4))))
} else
{
return(output_text)
}
}) %>>% do.call(what = rbind)
尤其是那些数字，不太懂他们代表什麽意思，如果逐一注解更好，不方便的话没有关系
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 120.96.63.165
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/R_Language/M.1465198177.A.A7C.html
1F：→ celestialgod: 另外，建议使用分类标题，里面会有一些细项填写 06/06 16:27
2F：→ celestialgod: 我才知道你是初学者还是已经懂了部分R 06/06 16:28
3F：→ celestialgod: 好提供相对应的解法 06/06 16:28