Question

我正在尝试通过以下代码获取链接列表

url.i<-"http://www.mijnwoordenboek.nl/duits/synoniemen/A/1.html"
doc<-htmlTreeParse(url.i,useInternal=TRUE,encoding="UTF-8")
xpathSApply(doc,"//a",xmlGetAttr,'href')[82]

输出： [1]“http://www.mijnwoordenboek.nl/duits/synoniemen /abbeiÃŸen”

但输出中的问题是“abbeiÃŸen”，但它应该是“abbeißen”，我已经指定了编码。

以下版本中出现同样的问题

Windows，R 64 bit-3.1.0和XML_3.98-1.1

Windows，R 64位-3.1.1和XML_3.98-1.1

Windows，R 32位-3.1.0和XML_3.98-1.1

Answer 1

似乎遗憾的是xmlGetAttr并不支持xmlValue之类的编码。但您可以指定要与xmlGetAttr一起使用的转换器。这是一个将字符值标记为UTF-8

的函数

markUTF8 <- function(x) `Encoding<-`(x, "UTF-8")

然后您可以将其与

一起使用

xpathSApply(doc,"//a",xmlGetAttr,'href', converter=markUTF8)[82]
# [1] "http://www.mijnwoordenboek.nl/duits/synoniemen/abbeißen"

R htmlTreeParse（）编码UTF-8

1 个答案: