Question

我想通过twitteR包解析西里尔语的推文。

我运行这个简单的代码来获取最后5条推文：

> library("twitteR")
> tweets=userTimeline(user="ru_mts",n=100)
> tweets[1:5]

输出如下。我该怎么做才能使它可用？绝对有编码的东西。感谢。

[[1]]
[1] "ru_mts: @potemkink \037@8 ?@52KH5=88 ;8<8B>2 B@0D8:0 459AB2CNB >3@0=8G5=8O A:>@>AB8. \025ABL CA;C38, =0 :>B>@KE ;8<8B 1>;LH5: http://t.co/EgbYhwfx. #\034\"!"

[[2]]
[1] "ru_mts: @step_42, C40;5=85 8=D-O > ?@52KH5=88 ;8<8B0 \021\030\" ?@>872>48BAO G5@57 *111*219# 2K7>2, 8;8 A<A A B5:AB>< stop =0 5340. \0215A?;0B=>. ^\030\020 #\034\"!"

[[3]]
[1] "ru_mts: @d_kosmos, 2 A;CG05 5A;8 C \0220A =5 ?>;CG05BAO 2>A?>;L7>20BLAO CA;C3>9 \03353:89 ?;0B56, @5:><5=4C5< 2>A?>;L7>20BLAO ?>765. ^\030\020 #\034\"!"

[[4]]
[1] "ru_mts: @d_kosmos, ?@54>AB02LB5 ?>60;C9AB0 \0220H \026B5; \034\"!, =8: 2 B28, =0 blogs@mts.ru \037@>25@8< 8=D>@<0F8N ?> B0@8DC, CA;C30< 8 1>=CA0<. ^\030\020 #\034\"!"

[[5]]
[1] "ru_mts: @katmirabo \034>6=> CB>G=8BL ?@8G8=C A?8A0=89 87 45B0;870F88 2 \030=B5@=5B-\037><>I=8:5: http://t.co/3ydhKfPL 8;8 ?>72>=82 ?> \0260890. ^\030\020 #\034\"!"

这是sessionInfo（）

R version 2.14.0 (2011-10-31)

Platform: i386-pc-mingw32/i386 (32-bit)


locale:

[1] LC_COLLATE=English_United States.1252  LC_CTYPE=English_United States.1252    
LC_MONETARY=English_United States.1252
[4] LC_NUMERIC=C                           LC_TIME=English_United States.1252    
attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     
other attached packages:
[1] Unicode_0.1-3  twitteR_0.99.9 RJSONIO_0.95-0 RCurl_1.6-10.1 bitops_1.0-4.1
loaded via a namespace (and not attached):
[1] tools_2.14.0

Answer 1

这个问题实际上存在于RJSONIO :: fromJSON和RCurl :: getURL中，它们正在删除'UTF-8'编码。

RJSONIO :: fromJSON（）不用于保留编码，但如果您更新为RJSONIO 0.96-0。

Duncan目前正在调查RCurl :: getURL的编码问题（它使用正确的编码来创建角色向量元素，但之后会发生奇怪的事情）。

简短回答是将RJSONIO更新为0.96-0，然后在下一个版本发布修复时更新RCurl。

使用twitteR R包为西里尔语推文编码问题

1 个答案: