У меня возникли проблемы при разборе html-файла, закодированного в windows-1251 или CP1251 (на русском).
В качестве примера приведен html-файл:
<meta http-equiv=Content-Type content="text/html; charset=windows-1251">
<table cellspacing="0" cellpadding="2" border="0" width="100%">
<tr bgcolor="#FFFFFF">
<td class="xl27" align="center">Место</td>
<td class="xl27" align="center">ПИФ</td>
<td class="xl27" align="center">УК</td>
<td class="xl27" align="center">Тип фонда</td>
<td class="xl27" align="center">Категория фонда</td>
<td class="xl27" align="center">Специализация</td>
<td class="xl27" align="center">Доходность</td>
</tr></table>
Я запускаю следующий скрипт:
Sys.setlocale("LC_ALL", "Russian_Russia.1251")
require(XML)
htmlfile<-paste('C:\\YourWD\\data.html')
htable<-readHTMLTable(htmlfile)[[1]]
А вывод для htable [1,1] - это что-то вроде "я"
Кодировка которого определяется как "неизвестная"
unique(sapply(tab,function(x)Encoding(as.character(x))))
Заранее спасибо!