在r中使用htmlparse的拉丁字符的问题

Question

我在尝试使用葡萄牙语对web页面进行webscrape时存在一些编码问题。这是我的代码：

library("RCurl") 

library("XML") 

html = getURL("http://sei.cade.gov.br/sei/institucional/pesquisa/documento_consulta_externa.php?u0r2HDE7WIdiBH3O1y0Dr6krqmN-VVCNjJtZWrdX1mgt3CiIC_RM90F01GwwNk20muowNXaYKrI2Ob8UQUkAoA,,") 

par = htmlParse(html) 

x = xpathSApply(par, "//strong", xmlValue)[1] 

print(x) 

[1] "NOTA TÉCNICA Nº 58/2017/CGAA6/SGA2/SG/CADE" 

我已经尝试了一些事情，比如增加encoding="latin1"和encoding="UTF-8"到htmlParse，并添加.encoding="latin"和.encoding="UTF-8"到getURL。

我的系统似乎被设置到正确的位置，为Sys.getlocale（）给我

Sys.getlocale() 
[1] "LC_COLLATE=Portuguese_Brazil.1252;LC_CTYPE=Portuguese_Brazil.1252;LC_MONETARY=Portuguese_Brazil.1252;LC_NUMERIC=C;LC_TIME=Portuguese_Brazil.1252" 

我出出主意这里，并希望得到任何帮助。

Answer 1

我能够使用你的代码加上一个额外的工作。

## Your code 
library("RCurl") 
library("XML") 
html = getURL("http://sei.cade.gov.br/sei/institucional/pesquisa/documento_consulta_externa.php?u0r2HDE7WIdiBH3O1y0Dr6krqmN-VVCNjJtZWrdX1mgt3CiIC_RM90F01GwwNk20muowNXaYKrI2Ob8UQUkAoA,,") 
par = htmlParse(html) 
x = xpathSApply(par, "//strong", xmlValue)[1] 

## Addition 
x2 = iconv(x, from="UTF-8", to="latin1") 
print(x2) 
"NOTA TÉCNICA Nº 58/2017/CGAA6/SGA2/SG/CADE"