XML内容未被识别
问题描述：
我正试图从加拿大航空网站上提取包含来自雷达系统的天气数据的XML文件。包含XML文件的URL是hereXML内容未被识别
我一直坚持在开始，我认为它会像使用XML包中的xmlParse函数读入URL一样简单。
library(XML)
url = "https://www.aircanada.com/content/dam/aircanada/portal/data/weather/AirCanada.xml"
xmlParse(url)
不过，我得到以下错误：
Error: XML content does not seem to be XML
它清楚地是一个XML文件，所以我不知道为什么我收到这个错误。任何帮助/方向将不胜感激。
答
检查此URL处的XML文件表明它包含一些无效字符。
这是xsltproc错误日志：
encoding error : input conversion failed due to input error, bytes 0x8F 0x6E 0x65 0x73
encoding error : input conversion failed due to input error, bytes 0x8F 0x6E 0x65 0x73
I/O error : encoder error
AirCanada.xml:1059: parser error : AttValue: ' expected
AirCanada.xml:1059: parser error : attributes construct error
AirCanada.xml:1059: parser error : Couldn't find end of Start Tag SITE line 1059
AirCanada.xml:1059: parser error : Premature end of data in tag DATAFILE line 50
unable to parse AirCanada.xml
消毒的AirCanada.xml文件从this SO answer该解决方案使数据可以使用，但可能有一些损失。
iconv -f utf-8 -t utf-8 -c AirCanada.xml > AirCanadaSanitized.xml
然后，您可以使用XSLT处理器处理AirCanadaSanitized.xml。
... xmlParse不从URL中检索信息。你要求它解析字符串“https://www.aircanada.com/content/dam/aircanada/portal/data/weather/AirCanada.xml”，而不是页面。您必须添加一个参数“isURL = TRUE” – Jean
_“您不会...通过任何...自动，电子或技术设备访问或使用...网站，包括但不限于自动脚本，机器人，爬网，屏幕刮板，网页“机器人”，...，蜘蛛， - 宏程序或任何其他...程序，软件，系统，算法，方法或技术......执行相同或相似的功能，以便但不限于：“数据挖掘”; “屏幕抓取”;数据处理;访问，提取，复制，分发，汇总或获取信息; ......输入或存储信息; ......或操纵或监控本网站的任何部分或内容; – hrbrmstr