WinXP-x32，R-2.13.0
亲爱的名单，
我有一个问题，（我认为）涉及Windows和R之间的交互。
我试图用夏威夷群岛上的数据刮一张桌子。 这是我的R代码：
library(XML) u <- "http://en.wikipedia.org/wiki/Hawaii" tables <- readHTMLTable(u) Islands <- tables[[5]] 输出是（第一组列）：
Island Nickname > > Islands Island Nickname > > Location 1 HawaiÊ»i[7] The Big岛19°34°N 155°30°/ 19.567°N 155.5°/ 19.567; -155.5 2毛伊岛[8]谷岛20°48“N 156°20”/ 20.8°N 156.333°W / 20.8; -156.333 3卡霍·奥拉韦[9]目标岛20°33'N 156°36°/°C 20.55°N 156.6°/ 20.55°; -156.6 4拉涅我[10]菠萝岛20°50“N 156°56”/ 20.833°N 156.933°/ 20.833; -156.933 5莫洛卡斯我[11]友好小岛21°08'N 157°02'/ 21.133°N 157.033°W / 21.133; -157.033 6 Ohu»ahu [12]集会地点21°28'N 157°59'/ 21.467°N 157.983°W / 21.467; -157.983 7考艾我[13]花园小岛22°05'N 159°30'/ 22.083°N 159.5°/ 22.083; -159.5 8倪志豪[14]故宫
21°54'N 160°10°/ 21.9°N 160.167°W / 21.9°; -160.167
正如你所看到的，那里有“怪异”的字符。 我也尝试了readHTMLTable(u, encoding = "UTF-16")和readHTMLTable(u, encoding = "UTF-8")但这并没有帮助。
在我看来，字符集和R的Windows设置的交互可能存在问题。
sessionInfo()给出
> sessionInfo() R version 2.13.0 (2011-04-13) Platform: i386-pc-mingw32/i386 (32-bit) locale: [1] LC_COLLATE=Dutch_Netherlands.1252 LC_CTYPE=Dutch_Netherlands.1252 LC_MONETARY=Dutch_Netherlands.1252 [4] LC_NUMERIC=C LC_TIME=Dutch_Netherlands.1252 attached base packages: [1] stats graphics grDevices utils datasets methods base other attached packages: [1] XML_3.2-0.2
我也试图让R使用另一个设置，input： Sys.setlocale("LC_ALL", "en_US.UTF-8") ，但是这产生了响应：
> Sys.setlocale("LC_ALL", "en_US.UTF-8") [1] "" Warning message: In Sys.setlocale("LC_ALL", "en_US.UTF-8") : OS reports request to set locale to "en_US.UTF-8" cannot be honored
另外，我试图直接从windows命令提示符进行更改，使用： chcp 65001及其变体，但是这并没有改变任何东西。
我从search网站注意到其他人也有这个问题，但一直没能find解决办法。 我看起来像这是Windows和R如何交互的问题。 不幸的是，我所有的三台电脑都有这个问题。 它出现在WinXP-x32和Win7-x86下。
有没有办法让R覆盖Windows设置，否则可以解决问题？ 我也尝试过其他网站，每当有待删除的文本中有“，”，“”等等时，就会出现这个问题。
谢谢罗杰
一个不太确切的答案：
如果你看看维基百科页面，并在浏览器中（在IE浏览器，视图 – >编码;在Firefox中，查看 – >字符编码）更改为西方（ISO-8869-1）或西方（Windows-1252）看到愚蠢的人物。 这应该意味着你可以使用iconv来改变编码并修复你的问题。
#Convert factors to character Islands <- as.data.frame(lapply(Islands, as.character), stringsAsFactors = FALSE) iconv(Islands$Island, "windows-1252", "UTF-8")
不幸的是，这是行不通的。 通过使用不同的转换可以获得正确的文本（ iconvlist()显示所有的可能性）。
这是可能的，只是剥夺了违规角色，虽然这并不理想。
iconv(Islands$Island, "windows-1252", "ASCII", "")
无法复制该错误，但查看帮助文件是有用的。
Sys.setlocale("LC_TIME", "de") # Solaris: details are OS-dependent Sys.setlocale("LC_TIME", "de_DE.utf8") # Modern Linux etc. Sys.setlocale("LC_TIME", "de_DE.UTF-8") # ditto Sys.setlocale("LC_TIME", "de_DE") # OS X, in UTF-8 Sys.setlocale("LC_TIME", "German") # Windows
对于Windows，您应该使用“英语”或“荷兰_荷兰1252”等格式来更改这些设置。
我试图复制你的状态
> Sys.setlocale("LC_ALL","Dutch_Netherlands.1252") [1] "LC_COLLATE=Dutch_Netherlands.1252;LC_CTYPE=Dutch_Netherlands.1252;LC_MONETARY=Dutch_Netherlands.1252;LC_NUMERIC=C;LC_TIME=Dutch_Netherlands.1252" > Sys.getlocale() [1] "LC_COLLATE=Dutch_Netherlands.1252;LC_CTYPE=Dutch_Netherlands.1252;LC_MONETARY=Dutch_Netherlands.1252;LC_NUMERIC=C;LC_TIME=Dutch_Netherlands.1252" library(XML) u <- "http://en.wikipedia.org/wiki/Hawaii" tables <- readHTMLTable(u) Islands <- tables[[5]]
但是我没有在控制台中看到有趣的角色，在我自己的语言环境中，“被标记为”，但仍然保留了所有的功能。
> Islands[1,1] [1] Hawaiʻi[27] 8 Levels: Hawaiʻi[27] Kahoʻolawe[34] Kauaʻi[30] Lānaʻi[32] Maui[28] ... Oʻahu[29]
而这些有趣的人物可以很容易地阅读，并从表中找到。
> Encoding(as.character("Hawaiʻi")) [1] "UTF-8" > Encoding(as.character(Islands[1,1])) [1] "UTF-8" > grep("Hawaiʻi", as.character(Islands[1,1])) [1] 1
如果你仍然有问题，它会依赖于其他地方，但是要改变Windows下的语言环境，你必须使用与Linux或OS X不同的名称（例如查看你自己的语言环境信息）。 在Windows中“荷兰语”可能就足够了。