R抓取网页网格数据咨询

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

用R中readHTMLTable函数抓取网页网格数据，抓取的中文老是出现乱码，求指点

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏2 回帖

关键词：数据咨询 Table ABLE HTML READ 中文 网页

library(XML);
u1<-"http://money.finance.sina.com.cn/corp/go.php/vFD_FinancialGuideLine/stockid/000002/ctrl/2010/displaytype/4.phtml";
df2<-readHTMLTable(u1,header = FALSE,stringsAsFactors=FALSE)[[20]];
大家可以试下

一般都是因为字符集的问题，你可以试一下，然后再看看
df2[,1] <- iconv(df2[,1],"UTF-8","gbk")

wangluan 发表于 2015-9-14 09:42
一般都是因为字符集的问题，你可以试一下，然后再看看
df2[,1]

可以了，很感谢，你这样设置是把中文的设置为UTF-8还是gbk了？中文在R中哪种编码不出现乱码？

wangluan 发表于 2015-9-14 09:42
一般都是因为字符集的问题，你可以试一下，然后再看看
df2[,1]

？？？？还在吗

zppn123 发表于 2015-9-14 10:05
可以了，很感谢，你这样设置是把中文的设置为UTF-8还是gbk了？中文在R中哪种编码不出现乱码？

取决于网页用的哪种编码
通过鼠标右键--网页源代码，查看源代码，在开头几行看到gb2312，所以用gbk可以

万人往LVR 发表于 2015-9-14 22:26
取决于网页用的哪种编码
通过鼠标右键--网页源代码，查看源代码，在开头几行看到gb2312，所以用gbk可以

看到是gb2312,说明该网页是gbk，那抓进R里面为什么还要转为gbk呢？

zppn123 发表于 2015-9-15 08:37
看到是gb2312,说明该网页是gbk，那抓进R里面为什么还要转为gbk呢？

我不用R做爬虫，不会这个包。应该不是转为gbk，是从gbk解码。