[問題] html網路爬蟲,網頁無法跑出資料

作者: lovedmagic (EricZou)   2016-12-03 16:39:07
[問題類型]:
程式諮詢(我想用R 做某件事情,但是我不知道要怎麼用R 寫出來)
[軟體熟悉度]:
新手(沒寫過程式,R 是我的第一次)
[問題敘述]:
我想將某個網頁的資料讀取後分析資料,但是一開始就卡關
[程式範例]:
library(XML)
library(RCurl)
ur1=getURL("https://www.kickstarter.com/discover/advanced?woe_id=23424900&sort=magic&seed=2467921&page=2")
ur1.1 = readHTMLTable(ur1)
test_doc = htmlParse(ur1,encoding="big5")
test = readHTMLTable(test_doc)
View(test)
我一開始是直接使用ur1="網址",後來在板上發現有另外一個方法就是getURL("網址")
,之後用readHTMLTable(ur1)去做,但是我不瞭解htmlParse不知道有什麼作用,我在
板上也看到許多econding寫成"big5"和"UT-8"(←這是印象),好像會發生編碼還是轉
碼上的問題導致之後R的操作中文部分都會變成亂碼,最後用View(test)去跑發生了
Error in View(test) : invalid 'x' argument 的問題
我想請問各位大大,關於kickstart我想取用裡面每一個project就是每一個分頁理面
的backers和pledge of MX$ goal還有days to go三項數字,但是我光是讀取頁面就已
經發生問題了,請問我在readHTMLTable這方面究竟出現什麼樣的問題呢?
[環境敘述]:
Windows 7
R 3.2.2
[關鍵字]:
網路爬蟲、html
作者: celestialgod (天)   2016-12-04 18:42:00
你這個網址裡面看不出來有table阿用html_table抓不到東西就屬於正常了
作者: celestialgod (天)   2016-12-03 16:59:00
請愛用rvest跟xml2
作者: lovedmagic (EricZou)   2016-12-03 17:03:00
cel大你好,因為我這次也是幫朋友代問,他說他跑之前那個html_table會出現亂碼,是因為沒有下載某個package嗎??
作者: celestialgod (天)   2016-12-03 17:22:00
windows都要跑Sys.setlocale("LC_ALL", 'C')
作者: lovedmagic (EricZou)   2016-12-03 17:26:00
每個步驟都有跑還是會有錯誤
作者: celestialgod (天)   2016-12-03 17:59:00
那可能要看網頁的encoding我不在電腦前可能不方便查,晚點幫看
作者: lovedmagic (EricZou)   2016-12-03 19:23:00
非常感謝

Links booklink

Contact Us: admin [ a t ] ucptt.com