我一直在寻找一个问题的答案.我读了
this,this和
this和其他一些相关,但我仍然没有回答.
我的问题很简单(我希望是这样),但答案不是(至少对我自己),我想从this网页导入一些经济数据,这是每月衡量尼加拉瓜经济活动的指标,到目前为止试过这个：
library(XML)
u <- "http://www.bcn.gob.ni/estadisticas/trimestrales_y_mensuales/siec/datos/4.IMAE.htm"
u <- htmlParse(u,encoding="UTF-8")
imae <- readHTMLTable(doc=u,header=T)
imae
library(httr)
u2 <- "http://www.bcn.gob.ni/estadisticas/trimestrales_y_mensuales/siec/datos/4.IMAE.htm"
page <- GET(u2,user_agent("httr"))
x <- readHTMLTable(text_content(page),as.data.frame=TRUE)
$`NULL`
BANCO CENTRAL DE NICARAGUA NA NA NA NA NA NA NA NA NA NA NA NA NA
1 <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
2 <U+633C><U+3E64>ndice Mensual de Actividad Económica(IMAE) <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
3 (Base: 1994=100) <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
4 <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
5 Año Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic Promedio
6 <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
7 1994 101.6 107.6 100.1 95.7 94.7 92.8 92.1 96.8 98.5 97.4 101.7 121.1 100.0
8 Fuente: BCN. <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>
我尝试使用skip.rows = 1：5,但它并没有真正改变NA的主要结果.有没有人可以谈一谈这个问题呢？
预期的结果是具有this web所示信息的data.frame
解决方法
正如我在评论中提到的,这个问题最有可能是由于表格编码不好而产生的.
您可以尝试以下方法(在Ubuntu上使用RStudio进行测试).它要求您安装了wget和html tidy.如果您不想安装这些有用的程序,请跳转到此答案的更新部分.
>下载页面并“整理”.
system("wget http://www.bcn.gob.ni/estadisticas/trimestrales_y_mensuales/siec/datos/4.IMAE.htm")
system("tidy 4.IMAE.htm > new.html")
>按照通常的方式继续进行R
library(XML)
u <- htmlParse("new.html")
imae <- readHTMLTable(u)
>如果我们查看上面的readHTMLTable的输出,我们将看到我们需要跳过几行.让我们再来一次吧
imae <- readHTMLTable(u,skip.rows=c(1:5,7,27,28),header=TRUE) imae # $`NULL` # Año Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic Promedio # 1 1994 101.6 107.6 100.1 95.7 94.7 92.8 92.1 96.8 98.5 97.4 101.7 121.1 100.0 # 2 1995 113.2 105.0 113.6 98.0 100.9 95.4 99.8 101.5 108.3 107.1 107.6 133.2 107.0 # 3 1996 123.6 116.0 109.1 107.3 94.8 101.2 100.7 115.3 110.6 112.7 117.5 137.7 112.2 # 4 1997 133.4 115.9 117.4 118.8 120.4 108.2 107.4 111.1 120.3 117.7 119.5 142.3 119.4 # 5 1998 131.4 120.4 127.9 118.4 130.2 116.5 122.1 129.7 127.3 127.5 112.7 156.6 126.7 # 6 1999 146.0 139.6 146.9 134.8 140.6 131.8 130.6 128.3 128.9 131.8 142.7 172.6 139.5 # 7 2000 157.8 142.1 147.3 138.5 137.7 135.7 128.9 131.2 141.7 143.0 156.6 191.2 146.0 # 8 2001 163.3 143.8 154.8 141.5 147.6 134.0 135.7 143.3 138.2 138.8 145.3 187.3 147.8 # 9 2002 152.1 144.7 143.3 142.1 143.1 131.9 136.1 145.7 146.4 147.8 157.5 185.0 148.0 # 10 2003 159.3 151.4 149.1 142.7 139.7 139.1 145.6 147.8 154.9 158.4 157.8 195.7 153.5 # 11 2004 172.8 157.1 166.9 153.6 161.2 150.5 155.3 153.3 156.6 155.6 167.7 213.0 163.6 # 12 2005 183.1 170.6 173.6 158.7 160.8 158.5 158.8 168.7 165.8 165.4 178.4 218.8 171.8 # 13 2006 187.7 177.8 185.6 161.8 166.4 163.2 164.7 175.1 175.1 185.3 189.6 231.2 180.3 # 14 2007 200.1 184.1 196.5 180.1 169.7 171.4 181.6 180.9 173.0 182.8 202.0 236.7 188.2 # 15 2008 205.4 194.4 193.1 205.9 171.0 174.8 181.3 190.7 183.1 182.7 182.5 244.7 192.5 # 16 2009 195.7 191.0 190.8 177.0 168.1 172.6 179.2 185.6 178.9 181.4 191.3 241.4 187.7 # 17 2010 195.2 193.7 205.1 185.2 179.3 190.1 191.6 190.0 193.5 197.6 210.9 266.0 199.8 # 18 2011 213.9 207.4 217.3 198.7 196.1 198.8 191.9 210.0 203.7 207.9 217.3 274.5 211.5 # 19 2012 233.6 233.6
更新：一点帮助的功能
如果您可以通过对重音字符进行一些文本清理,W3C将提供an online implementation of html tidy.这样可以编写一个基本功能,如下所示：
tidyHTML <- function(URL) {
require(XML)
URL = gsub("/","%2F",URL)
URL <- gsub(":","%3A",URL)
URL <- paste("http://services.w3.org/tidy/tidy?docAddr=",URL,sep = "")
htmlParse(URL)
}
用法很简单：
u <- tidyHTML("http://www.bcn.gob.ni/estadisticas/trimestrales_y_mensuales/siec/datos/4.IMAE.htm")
readHTMLTable(u)
