解析xml屬性：奇怪編碼問題

Question

當我嘗試解析xml/html文檔的某個屬性時，出現奇怪的編碼問題。 這裏重複的例子，含有2個標題2項（注意這裏使用法國口音的）

library(XML) 
doc <- htmlParse('<note> 
       <item title="é">1</item> 
       <item title="ï">3</item> 
      </note>',asText=TRUE,encoding='UTF-8') 

現在使用xpathApply，我能讀懂我的項目是這樣。請注意，特殊的口音在這裏格式良好。

xpathApply(doc,'//item') 

[[1]] 
<item title="é">1</item> 

[[2]] 
<item title="ï">3</item> 

但是當我嘗試閱讀我的屬性稱號，我得到這個：

xpathApply(doc,'//item',xmlGetAttr,'title') 
[[1]] 
[1] "é" 

[[2]] 
[1] "ï" 

我試過其他的XPath版本一樣：

xpathApply(doc,'//item/@title') 
    xmlAttrs(xpathApply(doc,'//item')[[1]]) 

但是，這是行不通的。請幫忙嗎？

Answer 1

它不漂亮，我不能測試這臺Linux機器上，但嘗試：

xpathApply(doc,'//item', 
     function(x) iconv(xmlAttrs(x,'title'), "UTF-8", "UTF-8")) 
[[1]] 
title 
    "é" 

[[2]] 
title 
    "ï" 

xmlAttrs電話RS_XML_xmlNodeAttributes研究這個代碼似乎是處理編碼沒有設施。 xmlValue調用R_xmlNodeValue這添加了編碼。看看?xmlValue我們有encoding: experimental functionality and parameter related to encoding.也許以後會添加屬性的編碼。