xml2 :: read_html zerbricht auf Ubuntu (aber nicht auf einem Mac), wenn man versucht, korrekte Zeichencodierung zu verwenden.xml2 :: read_html mit der richtigen Zeichencodierung stürzt unter Ubuntu ab
library(xml2)
library(httr)
# GET webpage that is encoded using Big5 (Chinese)
pg <- GET("http://chinesenews.net.au")
# Identify encoding using rvest package function, which returns
# incorrect encoding as ISO-8859-1
enc1 <- rvest::guess_encoding(httr::content(pg, "raw"))$encoding[1]
# Use hack to identify the right encoding using a function from stringi package
enc2 <- as.character(
as.data.frame(
stringi::stri_enc_detect(httr::content(pg, "raw"))[[1]])[1,1])
# So far so good.
# Let's try to read_html with both encodings
# Using ISO-8859-1 encoding, there is not problem
ht1 <- xml2::read_html(pg, encoding=enc1) # Reads, but characters are distorted
# However, using correct (Big5) encoding crashes on Ubuntu
ht2 <- xml2::read_html(pg, encoding=enc2)
Der Fehler ist:
Fehler in doc_parse_raw (x, encoding = Codierung base_url = base_url, as_html = as_html,: basic_string :: _ M_replace_aux
Da das Problem passiert auf Ubuntu, aber nicht auf dem Mac, versuchte, die neueste Version der XML2-Bibliothek zu installieren, indem
immer noch ein FehlerEs ist, obwohl ein anderer:
Fehler in doc_parse_raw (x, encoding = Codierung base_url = base_url, as_html = as_html,: conversion Eingang aufgrund Eingabefehler fehlgeschlagen Bytes 0xFB 0x7C 0xB7 0x51 [6003]
Ich bin mir nicht sicher, warum die Weitergabe der richtigen Codierung die libxlm2 abstürzt. Irgendwelche Ideen, was getan werden kann?
Hier ist mein Ubuntu Session():
R version 3.2.3 (2015-12-10)
Platform: x86_64-pc-linux-gnu (64-bit)
Running under: Ubuntu 16.04.1 LTS
locale:
[1] LC_CTYPE=en_US.UTF-8 LC_NUMERIC=C
[3] LC_TIME=en_US.UTF-8 LC_COLLATE=en_US.UTF-8
[5] LC_MONETARY=en_US.UTF-8 LC_MESSAGES=en_US.UTF-8
[7] LC_PAPER=en_US.UTF-8 LC_NAME=C
[9] LC_ADDRESS=C LC_TELEPHONE=C
[11] LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C
attached base packages:
[1] stats graphics grDevices utils datasets methods
[7] base
other attached packages:
[1] httr_1.2.1 xml2_1.0.0 magrittr_1.5
loaded via a namespace (and not attached):
[1] selectr_0.3-1 R6_2.2.0 tools_3.2.3 curl_2.3
[5] urltools_1.6.0 Rcpp_0.12.8 triebeard_0.3.0 stringi_1.1.2
[9] stringr_1.1.0 rvest_0.3.2 purrr_0.2.2
Quelle: https://StackOverflow.com/Questions/45290452/encoding-error-with-read-html#comment77543568_45290452 – Rajanand