Re: [问题] table问题(网页编码)

楼主: vicror84 (阿汘)   2016-06-06 15:29:34
※ 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
: 之后再把utf8转回去big5 (windows才要转,mac, linux不用stri_conv那段)
: 之后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:
:

: 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,不太懂他们代表什么意思,如果逐一注解更好,不方便的话没有关系
作者: celestialgod (天)   2016-06-06 16:27:00
另外,建议使用分类标题,里面会有一些细项填写我才知道你是初学者还是已经懂了部分R好提供相对应的解法

Links booklink

Contact Us: admin [ a t ] ucptt.com