проблема кодирования при использовании пакета twitteR R для кириллических твитов - PullRequest
Новая
       7

проблема кодирования при использовании пакета twitteR R для кириллических твитов

2 голосов
/ 03 ноября 2011

Я хочу проанализировать кириллические твиты через пакет twitteR.

Я запускаю этот простой код, чтобы получить последние 5 твитов: 

> library("twitteR")
> tweets=userTimeline(user="ru_mts",n=100)
> tweets[1:5]

Выход ниже. Что я должен сделать, чтобы его можно было использовать? Определенно что-то есть с кодировкой. Спасибо. 

[[1]]
[1] "ru_mts: @potemkink \037@8 ?@52KH5=88 ;8<8B>2 B@0D8:0 459AB2CNB >3@0=8G5=8O A:>@>AB8. \025ABL CA;C38, =0 :>B>@KE ;8<8B 1>;LH5: http://t.co/EgbYhwfx. #\034\"!"

[[2]]
[1] "ru_mts: @step_42, C40;5=85 8=D-O > ?@52KH5=88 ;8<8B0 \021\030\" ?@>872>48BAO G5@57 *111*219# 2K7>2, 8;8 A<A A B5:AB>< stop =0 5340. \0215A?;0B=>. ^\030\020 #\034\"!"

[[3]]
[1] "ru_mts: @d_kosmos, 2 A;CG05 5A;8 C \0220A =5 ?>;CG05BAO 2>A?>;L7>20BLAO CA;C3>9 \03353:89 ?;0B56, @5:><5=4C5< 2>A?>;L7>20BLAO ?>765. ^\030\020 #\034\"!"

[[4]]
[1] "ru_mts: @d_kosmos, ?@54>AB02LB5 ?>60;C9AB0 \0220H \026B5; \034\"!, =8: 2 B28, =0 blogs@mts.ru \037@>25@8< 8=D>@<0F8N ?> B0@8DC, CA;C30< 8 1>=CA0<. ^\030\020 #\034\"!"

[[5]]
[1] "ru_mts: @katmirabo \034>6=> CB>G=8BL ?@8G8=C A?8A0=89 87 45B0;870F88 2 \030=B5@=5B-\037><>I=8:5: http://t.co/3ydhKfPL 8;8 ?>72>=82 ?> \0260890. ^\030\020 #\034\"!"

Вот сессияInfo () 

R version 2.14.0 (2011-10-31)

Platform: i386-pc-mingw32/i386 (32-bit)


locale:

[1] LC_COLLATE=English_United States.1252  LC_CTYPE=English_United States.1252    
LC_MONETARY=English_United States.1252
[4] LC_NUMERIC=C                           LC_TIME=English_United States.1252    
attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     
other attached packages:
[1] Unicode_0.1-3  twitteR_0.99.9 RJSONIO_0.95-0 RCurl_1.6-10.1 bitops_1.0-4.1
loaded via a namespace (and not attached):
[1] tools_2.14.0

1 Ответ

1 голос
/ 05 ноября 2011

Проблема на самом деле связана с RJSONIO :: fromJSON и RCurl :: getURL, которые убирают кодировку UTF-8.

RJSONIO :: fromJSON () не используется для сохранения кодировки, но используется при обновлении до RJSONIO 0.96-0.

В настоящее время Дункан изучает проблему кодирования для RCurl :: getURL (он использует правильную кодировку для создания элемента векторного символа, но затем происходит нечто странное).

Краткий ответ - обновить RJSONIOдо 0,96-0, а затем обновите RCurl, когда будет выпущена следующая версия с исправлением.

...