之前看到想回，放假回一下，你参考 我是用这样子做法 我是用 Ubuntu 所以没 big5问题 (很讨厌微软，每次都是卡在转码，囧。) 我猜原网页是 用 utf8 所以在转码 出问题 library(XML) library(httr) library(rvest) library(xml2) x1 <-GET("http://gweb.wra.gov.tw/ebooks/ebook/hyb2000/1140H058.htm") x2<-html(x1) tables<-html_nodes(x2,"table") y1<-html_table(tables) y1 #请自行挑想用的表格 y1<-html_table(tables[2]) sessionInfo() R version 3.2.3 (2015-12-10) Platform: x86_64-pc-linux-gnu (64-bit) Running under: Ubuntu 14.04.3 LTS 收工 ----- http://128.199.74.32:3838/ ※ 引述《Edster (Edster)》之铭言： : [问题类型]: : : 程式谘询(我想用R 做某件事情，但是我不知道要怎麽用R 写出来) : : [软体熟悉度]: : 请把以下不需要的部份删除 : 使用者(已经有用R 做过不少作品) : [问题叙述]: : 请简略描述你所要做的事情，或是这个程式的目的 : 我想要将一个网站的表格撷取下来 : http://goo.gl/S5P7yO : http://goo.gl/pyMNCe : 过去我在R的经验都是读纯文字及或是空间资料. : 盲试了两天，网路教学包含本版上面的文章都看了。 : 但是一来对html格式的不了解，读进来之後要一层层拆解搞得我有点难懂。 : 中间测试了package包括 XML, xml2, 还有版主C大前几天示范的httr + xml2 : 我只要抓365日的观测数值，中文字和下面的统计值都不用。 : 目前的进度如范例，研究了一天半不知如何把这堆格式代码去除。 : 请问可否给点提示。 : [程式范例]: : : ## method1 : f = "http://goo.gl/S5P7y" : a = htmlParse(f, encoding = "big5") : b = getNodeSet(a, path="//body/div") : c = getNodeSet(b[[2]], path="//tr") : d = c[[5]] : ## method2 : tableContent <- : GET(f) %>>% content("text", encoding = "BIG5") %>% read_html("BIG5") : tableContent %<>% xml_find_all("//body/div/div") : xml_structure(tableContent[[2]]) : tableContent <- tableContent[[2]] %>% xml_find_all(., "//tr") %>% xml_text(.) : tableContent[[5]] : [环境叙述]: : : R: 3.3.0 : Rstudio: 0.99.902 : OS: Win 10 : : [关键字]: : : XML, xml2, httr. : -- --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 111.83.0.245 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/R_Language/M.1465574759.A.33B.html ※ 编辑: psinqoo (111.83.0.245), 06/11/2016 00:06:37