为什么 grep() 在 readLines() 之后不起作用？

Question

我用 R 开发了一个程序来阅读在线提供的报告，前两行是：

page1 <- readLines("http://reportviewer.tce.mg.gov.br/default.aspx?server=noruega&relatorio=SICOM_Consulta/2013_2014/Modulo_AM/UC03-LeisOrc-RL&municipioSelecionado=3100203&exercicioSelecionado=2014")
line1 <- grep("Leis Autorizativas",page1)

程序的其余部分工作正常，我得到了我需要的数据。然后我尝试调整它以阅读不同的报告，但这次第二行不起作用：

page2 <- readLines("http://reportviewer.tce.mg.gov.br/default.aspx?server=noruega&relatorio=SICOM_Consulta/2013_2014/Modulo_AM/UC08-ConsultarDecretos-RL&municipioSelecionado=3101607&exercicioSelecionado=2013")
line2 <- grep("Decretos de Alterações",page2)

第一种情况下 'page1' 是字符向量，第二种情况下 'page2' 是 large 字符向量。这种差异是否可能导致问题？如果是这样，有人可以提示如何修复它吗？

（使用 htmltab() 或 readHTMLtable() 没有产生好的结果）

谢谢。

Answer 1

那是因为"Decretos de Alterações"不是完全由ascii字符组成的。

如果你尝试

page2 <- readLines("http://reportviewer.tce.mg.gov.br/default.aspx?server=noruega&relatorio=SICOM_Consulta/2013_2014/Modulo_AM/UC08-ConsultarDecretos-RL&municipioSelecionado=3101607&exercicioSelecionado=2013")

grep("Decretos de Altera&#231;&#245;es ", page2)

[1] 366

有效。

要知道要替换的号码：

utf8ToInt("ç")
[1] 231

然后将结果数字放在 & 和 ; 之间，并替换您的非 ascii 字母。

最佳

科林

为什么 grep() 在 readLines() 之后不起作用？

Why is grep() not working after readLines()?

r

readlines