网络抓取西里尔字母. rvest编码问题
网络抓取西里尔字母. rvest编码问题
提问于 2021-01-02 01:22:50
我试着在1=1擦拭俄文杂志的名字，但我对编码有问题。
R不显示Автоматика и телемеханика，而是显示Àâòîìàòèêà è òåëåìåõàíèêà。
即使使用rvest::guess_encoding()的第一个结果也不起作用。我也尝试了read_html(nauka_url, encoding="UTF-8")，但是收到了一个错误，告诉我：“输入不合适UTF-8，指示编码!”
到目前为止，我的代码如下：
nauka_url <- "https://www.libnauka.ru/elektronnii-katalog/?PAGEN_1=1"
nauka_encoding <- rvest::guess_encoding(nauka_url)
nauka_page <- xml2::read_html(nauka_url, encoding=nauka_encoding[1,1])
nauka_journals <- rvest::html_node(nauka_page, css='#wraps > div > div > div > div > div.block-themes-category.block-themes-category-elems')
nauka_journal_names <- rvest::html_nodes(nauka_journals, css='.edition__title')
nauka_journal_names <- rvest::html_text(nauka_journal_names)如何获得正确的西里尔字母？谢谢你的帮助!
回答 1
Stack Overflow用户
回答已采纳
发布于 2021-01-02 07:40:55
当遇到一个外文脚本时，在这种情况下，一个反复的过程通常会找到正确的编码类型。
rvest::guess_encoding正是这样做的--根据信心分数进行猜测。然而，这有时无法识别编码，在这种情况下，手工试验和错误可以解决问题。阅读?stri_enc_detect的stringi包，人们可以找到不同(广泛)使用的特定语言的编码风格。对于西里尔语，请尝试设置编码"ISO-8859-5"、"windows-1251"或"KOI8-R"。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/65537610
复制相关文章
相似问题
腾讯云开发者
