如何使用 rvest 友好的 UTF-8（十六进制）轻松替换特殊字符答案

【问题标题】：How can I easily replace special characters with rvest-friendly UTF-8 (hex.)如何使用 rvest 友好的 UTF-8（十六进制）轻松替换特殊字符
【发布时间】：2018-04-07 15:00:51
【问题描述】：

我需要将 é 和 â 等特殊字符替换为 %C3%A9、%C3%A2 等字符串。这是因为带有特殊字符的 url 可以在浏览器中工作，但不适用于 R 的 rvest::read_html() 函数 - 它需要 "%C3%A9" 样式字符串来代替特殊字符。

目前，由于 url 中有特殊字符，我不得不等到出现错误，然后我必须手动查找特殊字符的等效值 here，然后 gsub ：

  list_of_urls %>% 
  gsub("é", "%C3%A9", .) %>% 
  gsub("â", "%C3%A2", .) %>% 
  gsub("ç", "%C3%A7", .) %>% 
  gsub("á", "%C3%A1", .)

是否有一个 R 函数可以自动对所有特殊字符执行此操作（即，没有单个字符的所有 gsub）？

例如，字符串“glaçage”应该变成“gla%C3%A7age”

字符串“café”应该变成“caf%C3%A9”

【问题讨论】：

如果你只想要单词的非重音版本，你可以使用iconv(yourstrings, to="ASCII//TRANSLIT")，或者stringi 包有很多编码帮助，可能会以任何你需要的方式帮助你。您应该使用可以复制的示例更新您的问题，否则很难提供帮助。谢谢:)
我已经包含了一些示例。至于 stringi，我尝试了几个 stringi 函数但无法正常工作（完全有可能我没有正确应用它们）

标签： r unicode encoding utf-8 rvest

【解决方案1】：

utils 中的URLencode 怎么样？以下是它在您的示例中的工作方式：

> library(utils)
> URLencode("glaçage")
[1] "gla%E7age"
> z <- URLencode("glaçage")
> URLdecode(z)
[1] "glaçage"

第二个例子：

> URLencode("café")
[1] "caf%E9"

【讨论】：

我得到 [1] "gla%C3%A7age" 和 [1] "caf%C3%A9" 用于您的两个编码调用。在当前 R 版本的 Mac 上。
刚刚在 R 和 RStudio 的 3.4.3 和 3.4.4 上再次运行命令并得到与上面相同的结果。编码 btwn OS 有区别吗？还没有听说过……很有趣。
Windoze 在编码方面经常是个怪人。