※ 引述《vicror84 (阿汘)》之铭言： : ※ 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， str_replace_all(string, pattern, replacement): http://www.inside-r.org/packages/cran/stringr/docs/str_replace_all 把string中符合pattern的字串置换成replacement的字串 例如：str_replace_all("aa bb cc", "\\s", "") "\\s"是regexp里的空白，""就是零长度的字串，所以置换後就会变成 "aabbcc" %>>% 部分可以参考在板上/magrittr，有一篇简单的教学文，看%>%部分 我这里只有一个地方用到%>>%的特色 (do.call(what = rbind)这里用到而已) : 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 数字是因为网页的表格有跨栏位的问题，所以他不见得都会抓满12栏 所以你需要自己手动去补成12栏，我只是做这样的事情而已 因此，才会在你下一篇回答说那个表格处理请参考我下一篇 也就是这个部分，自己抓出每一列之後，做补满或是调整空位的部分 这个可能对R新手比较困难一点，但是没有现成的函数可以直接读跨栏的栏位 如果只会用XML的readHTMLTable，就只会出现都靠左的情况，剩下都补入"" 这个就只能自己慢慢位移了 逐一注解就不做了，这里只是一个概念，你需要自己动手去把table抓下来 看看抓下来的每一列长怎样，然後程式里对应处理为何 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 140.109.74.87 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/R_Language/M.1465201420.A.0D2.html ※ 编辑: celestialgod (140.109.74.87), 06/06/2016 16:26:20