[R-es] Problemas con tildes y otros caracteres en R y RStudio

amy cg acarolinagc en gmail.com
Mie Jun 22 12:58:23 CEST 2016 

Gracias pero el el html que se me genera sigue mal codificado, otra
sugerencia.Gracias.
Table of Contents

   - RESUMEN <file:///C:/Users/Usuario/Documents/analyse.html#toc_0>
   - Rendimiento de requests en el tiempo
   <file:///C:/Users/Usuario/Documents/analyse.html#toc_1>
      - All responses
      <file:///C:/Users/Usuario/Documents/analyse.html#toc_2>
      - Rendimiento por categoría
      <file:///C:/Users/Usuario/Documents/analyse.html#toc_3>
   - Análisis de respuesta
   <file:///C:/Users/Usuario/Documents/analyse.html#toc_4>
      - Top 10 de las URL más llamadas
      <file:///C:/Users/Usuario/Documents/analyse.html#toc_5>
      - Métodos <file:///C:/Users/Usuario/Documents/analyse.html#toc_6>
      - Código HTTP
      <file:///C:/Users/Usuario/Documents/analyse.html#toc_7>
      - Errores <file:///C:/Users/Usuario/Documents/analyse.html#toc_8>
         - Distribución de errores
         <file:///C:/Users/Usuario/Documents/analyse.html#toc_9>
         - Errores en el tiempo
         <file:///C:/Users/Usuario/Documents/analyse.html#toc_10>
      - IP Conectadas
   <file:///C:/Users/Usuario/Documents/analyse.html#toc_11>
      - Info <file:///C:/Users/Usuario/Documents/analyse.html#toc_12>
      - IP con mayor número de conexiones
      <file:///C:/Users/Usuario/Documents/analyse.html#toc_13>
   - Análisis del tamaño de respuesta
   <file:///C:/Users/Usuario/Documents/analyse.html#toc_14>
      - Resumen de tamaño de respuesta por categoría
      <file:///C:/Users/Usuario/Documents/analyse.html#toc_15>
      - Resumen de tamaño de respuesta por IP
      <file:///C:/Users/Usuario/Documents/analyse.html#toc_16>
      - Ancho de banda en el tiempo
      <file:///C:/Users/Usuario/Documents/analyse.html#toc_17>
      - Distribución por tamaño de respuesta
      <file:///C:/Users/Usuario/Documents/analyse.html#toc_18>
      - Distribución por tamaño de respuesta por categoría
      <file:///C:/Users/Usuario/Documents/analyse.html#toc_19>
      - Distribución por tamaño de respuesta por categoría
      <file:///C:/Users/Usuario/Documents/analyse.html#toc_20>


*Lic. Amalia Carolina Guaymás Canavire*

*            Especialista en Data mining         *



El 22 de junio de 2016, 4:53, Carlos Ortega <cof en qualityexcellence.es>
escribió:

> Hola,
>
> Por si las recomendaciones de los de RStudio te pueden ayudar:
>
> https://support.rstudio.com/hc/en-us/articles/200532197-Character-Encoding
>
> Gracias,
> Carlos Ortega
> www.qualityexcellence.es
>
> El 22 de junio de 2016, 5:27, amy cg <acarolinagc en gmail.com> escribió:
>
>> Saludo:
>> Estoy usando knit y markdownToHTML y aún tengo problemas con las  tildes
>> y ñ. Estoy en windows. Tengo esto en mi código
>>
>> knit("xxxx", quiet = TRUE,encoding = "utf-8")
>> markdownToHTML("x.md","xx.html", title="x", stylesheet="xx.css",
>>  options=c(markdownHTMLOptions(defaults = TRUE), "toc"))
>>
>> ----
>> Resultado ejemplo
>> Número de líneas : 1891714
>>
>> DESDE YA MUCHAS GRACIAS.
>>
>> l
>>
>>
>>
>>
>> El 21 de junio de 2016, 11:48, giltrapo <giltrapo en gmail.com> escribió:
>>
>>> Hola, Carlos.
>>>
>>> Pues, efectivamente, me ha ayudado.
>>>
>>> Sobre la utilización de la función geocode con ciudades con tilde, me dio
>>> Carlos Gil Bellosta anteriormente la idea de utilizar iconv para
>>> transformar la cadena de búsqueda a UTF-8, y yo lo utilicé para intentar
>>> transformar el output de html_table sin resultado:
>>>
>>> capitales <- read_html("
>>>
>>> https://es.wikipedia.org/wiki/Anexo:Capitales_de_provincia_de_Espa%C3%B1a_por_poblaci%C3%B3n
>>> ")
>>> capitales <- html_nodes(capitales, "table")
>>> capitales <- html_table(capitales[[1]])$Ciudad
>>> capitales <- iconv(capitales, to = "UTF-8")
>>>
>>> En la referencia que me has pasado he visto que utilizaban la función
>>> iconv
>>> de una forma curiosa
>>>
>>> capitales <- iconv(capitales, from = "UTF-8" to = "UTF-8")
>>>
>>> que, sin saber por qué, ha funcionado perfectamente.
>>>
>>> Por cierto, Carlos Gil, tu solución para la llamada a geocode basada en
>>> iconv también funciona perfectamente, aunque esta vez sin poner el
>>> argumento "from"
>>>
>>> geocode("Málaga", to = "UTF-8")
>>>
>>> ya que si lo añadimos da error.
>>>
>>> Muchas gracias a ambos!!
>>>
>>>
>>> Jose Ignacio
>>>
>>> 2016-06-21 14:09 GMT+02:00 Carlos Ortega <cof en qualityexcellence.es>:
>>>
>>> > Hola,
>>> >
>>> > Creo que esta referencia te puede ayudar:
>>> >
>>> http://stackoverflow.com/questions/29379771/utf-8-encoding-problems-with-r
>>> >
>>> > Saludos,
>>> > Carlos Ortega
>>> > www.qualityexcellence.es
>>> >
>>> > El 21 de junio de 2016, 13:15, giltrapo <giltrapo en gmail.com> escribió:
>>> >
>>> >> Hola, Carlos.
>>> >>
>>> >> A mí también me resulta raro, porque no me pasa siempre. Es un poco
>>> >> aleatorio. Imagino que habrá alguna razón, y que el código de la
>>> página
>>> >> estará relacionado, claro, pero no consigo averiguar a qué se debe.
>>> >>
>>> >> Además las pruebas que hago me dejan todavía más perplejo.
>>> >>
>>> >> Esto
>>> >>
>>> >> Encoding(capitales)
>>> >>
>>> >> me dice que el encoding es "unknow", pero luego esto
>>> >>
>>> >> validUTF8(capitales)
>>> >>
>>> >> me dice que sí, que todo es "TRUE".
>>> >>
>>> >> También probé
>>> >>
>>> >> guess_encoding("
>>> >>
>>> >>
>>> https://es.wikipedia.org/wiki/Anexo:Capitales_de_provincia_de_Espa%C3%B1a_por_poblaci%C3%B3n
>>> >> ")
>>> >>
>>> >> y el resultado es
>>> >>
>>> >>      encoding language confidence
>>> >> 1  ISO-8859-1       es       0.70
>>> >> 2  ISO-8859-2       ro       0.43
>>> >> 3  ISO-8859-9       tr       0.16
>>> >> 4       UTF-8                0.15
>>> >> 5    UTF-16BE                0.10
>>> >> 6    UTF-16LE                0.10
>>> >> 7   Shift_JIS       ja       0.10
>>> >> 8     GB18030       zh       0.10
>>> >> 9      EUC-JP       ja       0.10
>>> >> 10     EUC-KR       ko       0.10
>>> >> 11       Big5       zh       0.10
>>> >>
>>> >> He ido probando cada uno de esos encodings, al llamar a la función
>>> >> read_html, pero nada, sigue sin codificarlo bien. También probé a
>>> utilizar
>>> >> iconv, pero sin resultados positivos.
>>> >>
>>> >> En fin, seguiré investigando.
>>> >>
>>> >> Muchas gracias y saludos!
>>> >>
>>> >> Jose Ignacio
>>> >>
>>> >> 2016-06-21 12:07 GMT+02:00 Carlos J. Gil Bellosta <
>>> cgb en datanalytics.com>:
>>> >>
>>> >> > Hola, ¿qué tal?
>>> >> >
>>> >> > Son los dichosos "encodings". De todos modos, me parece raro que
>>> rvest
>>> >> > lo haga mal: promete que va a interpretar lo leído de acuerdo con el
>>> >> > "encoding" declarado en la página, por lo que no debería haber
>>> >> > problemas en ninguna plataforma. De todos modos, tienes una opción
>>> en
>>> >> > rvest para indicar el juego de caracteres. Igual indicando "latin1"
>>> >> > funciona.
>>> >> >
>>> >> > También he visto problemas llamando a ggmap::geocode desde Windows
>>> >> > cuando la cadena contiene caracteres no ascii. Hay información aquí:
>>> >> >
>>> >> > https://github.com/dkahle/ggmap/issues/89
>>> >> >
>>> >> > No sé si tratar de transformar la cadena de búsqueda a UTF8 con
>>> iconv
>>> >> > ayudará o no a resolver el problema.
>>> >> >
>>> >> > Un saludo,
>>> >> >
>>> >> > Carlos J. Gil Bellosta
>>> >> > http://www.datanalytics.com
>>> >> >
>>> >> > El día 21 de junio de 2016, 11:52, giltrapo <giltrapo en gmail.com>
>>> >> escribió:
>>> >> > > Hola.
>>> >> > >
>>> >> > > Tengo algún tipo de problema con las tildes, a la hora de
>>> trabajar en
>>> >> R o
>>> >> > > en RStudio, que no sé resolver.
>>> >> > >
>>> >> > > Intentando reproducir en dos PCs distintos, ambos con Windows 7,
>>> uno
>>> >> de
>>> >> > los
>>> >> > > últimos ejercicios que ha publicado Carlos Gil Bellosta en su
>>> blog (
>>> >> > >
>>> >> >
>>> >>
>>> https://www.datanalytics.com/2016/06/20/6602-767-km-alrededor-de-espana-para-visitar-todas-sus-capitales-de-provincia/
>>> >> > ),
>>> >> > > me ocurre que al ejecutar el código
>>> >> > >
>>> >> > > library(rvest)
>>> >> > > library(caRtociudad)
>>> >> > > library(reshape2)
>>> >> > > library(ggmap)
>>> >> > > library(plyr)
>>> >> > > library(TSP)
>>> >> > >
>>> >> > > capitales <- read_html("
>>> >> > >
>>> >> >
>>> >>
>>> https://es.wikipedia.org/wiki/Anexo:Capitales_de_provincia_de_Espa%C3%B1a_por_poblaci%C3%B3n
>>> >> > > ")
>>> >> > > capitales <- html_nodes(capitales, "table")
>>> >> > > capitales <- html_table(capitales[[1]])$Ciudad
>>> >> > >
>>> >> > > obtengo esto:
>>> >> > >
>>> >> > >> capitales
>>> >> > >
>>> >> > > [1] "Madrid"                     "Barcelona"
>>> >> > >  [3] "Valencia"                   "Sevilla"
>>> >> > >  [5] "Zaragoza"                   "Málaga"
>>> >> > >  [7] "Murcia"                     "Palma de Mallorca"
>>> >> > >  [9] "Las Palmas de Gran Canaria" "Bilbao"
>>> >> > > [11] "Alicante"                   "Córdoba"
>>> >> > > [13] "Valladolid"                 "La Coruña"
>>> >> > > [15] "Vitoria"                    "Granada"
>>> >> > > [17] "Oviedo"                     "Santa Cruz de Tenerife"
>>> >> > > [19] "Pamplona"                   "Almería"
>>> >> > > [21] "San Sebastián"             "Burgos"
>>> >> > > [23] "Santander"                  "Castellón de la Plana"
>>> >> > > [25] "Albacete"                   "Logroño"
>>> >> > > [27] "Badajoz"                    "Salamanca"
>>> >> > > [29] "Huelva"                     "Lérida"
>>> >> > > [31] "Tarragona"                  "León"
>>> >> > > [33] "Cádiz"                     "Jaén"
>>> >> > > [35] "Orense"                     "Lugo"
>>> >> > > [37] "Gerona"                     "Cáceres"
>>> >> > > [39] "Santiago de Compostela"     "Ceuta"
>>> >> > > [41] "Melilla"                    "Guadalajara"
>>> >> > > [43] "Toledo"                     "Pontevedra"
>>> >> > > [45] "Palencia"                   "Ciudad Real"
>>> >> > > [47] "Zamora"                     "Mérida"
>>> >> > > [49] "Ã vila"                     "Cuenca"
>>> >> > > [51] "Segovia"                    "Huesca"
>>> >> > > [53] "Soria"                      "Teruel"
>>> >> > >
>>> >> > > Es decir, no aparecen ni tildes ni eñes.
>>> >> > >
>>> >> > > Si, en cambio, ejecuto
>>> >> > >
>>> >> > > library(XML)
>>> >> > > library(RCurl)
>>> >> > >
>>> >> > > capitales <- data.frame(readHTMLTable(getURL("
>>> >> > >
>>> >> >
>>> >>
>>> https://es.wikipedia.org/wiki/Anexo:Capitales_de_provincia_de_Espa%C3%B1a_por_poblaci%C3%B3n
>>> >> > > ")))
>>> >> > >
>>> >> > > obtengo un data frame en el que las ciudades ya aparecen con sus
>>> >> tildes y
>>> >> > > sus eñes...aunque en los nombres de las variables siguen
>>> apareciendo
>>> >> esos
>>> >> > > caracteres extraños en vez de tildes.
>>> >> > >
>>> >> > > Con el resto del código de Carlos me sigue ocurriendo lo mismo, ya
>>> >> que si
>>> >> > > intento
>>> >> > >
>>> >> > > geocode("Logroño")
>>> >> > >
>>> >> > > me devuelve
>>> >> > >
>>> >> > > Information from URL :
>>> >> > >
>>> >> >
>>> >>
>>> http://maps.googleapis.com/maps/api/geocode/json?address=Logro%F1o&sensor=false
>>> >> > >   lon lat
>>> >> > > 1  NA  NA
>>> >> > > Warning messages:
>>> >> > > 1: In readLines(connect, warn = FALSE) :
>>> >> > >   cannot open URL '
>>> >> > >
>>> >> >
>>> >>
>>> http://maps.googleapis.com/maps/api/geocode/json?address=Logro%F1o&sensor=false
>>> >> > ':
>>> >> > > HTTP status was '400 Bad Request'
>>> >> > > 2: In geocode("Logroño") :   geocoding failed for "Logroño".
>>> >> > >   if accompanied by 500 Internal Server Error with using dsk, try
>>> >> google.
>>> >> > >
>>> >> > > en cambio, si pruebo con
>>> >> > >
>>> >> > > geocode("Logrono")
>>> >> > >
>>> >> > > la respuesta es correcta
>>> >> > >
>>> >> > > Information from URL :
>>> >> > >
>>> >> >
>>> >>
>>> http://maps.googleapis.com/maps/api/geocode/json?address=Logrono&sensor=false
>>> >> > >         lon      lat
>>> >> > > 1 -2.444985 42.46272
>>> >> > >
>>> >> > > Lo mismo ocurre si intento capturar las coordenadas de Málaga,
>>> >> Castellón,
>>> >> > > etc. Si lleva tildes o eñes, no reconoce el texto.
>>> >> > >
>>> >> > > Entiendo que todo esto se debe a algún problema de codificación,
>>> pero
>>> >> no
>>> >> > sé
>>> >> > > cómo arreglarlo. Tampoco sé por qué con read_html capturo los
>>> datos
>>> >> mal,
>>> >> > > pero con readHTMLTable y RCurl los capturo bien...a medias.
>>> >> > >
>>> >> > > ¿Alguien tiene alguna idea sobre qué puede estar ocurriendo?
>>> >> > >
>>> >> > > Jose Ignacio
>>> >> > >
>>> >> > >         [[alternative HTML version deleted]]
>>> >> > >
>>> >> > > _______________________________________________
>>> >> > > R-help-es mailing list
>>> >> > > R-help-es en r-project.org
>>> >> > > https://stat.ethz.ch/mailman/listinfo/r-help-es
>>> >> >
>>> >>
>>> >>         [[alternative HTML version deleted]]
>>> >>
>>> >> _______________________________________________
>>> >> R-help-es mailing list
>>> >> R-help-es en r-project.org
>>> >> https://stat.ethz.ch/mailman/listinfo/r-help-es
>>> >>
>>> >
>>> >
>>> >
>>> > --
>>> > Saludos,
>>> > Carlos Ortega
>>> > www.qualityexcellence.es
>>> >
>>>
>>>         [[alternative HTML version deleted]]
>>>
>>> _______________________________________________
>>> R-help-es mailing list
>>> R-help-es en r-project.org
>>> https://stat.ethz.ch/mailman/listinfo/r-help-es
>>>
>>
>>
>
>
> --
> Saludos,
> Carlos Ortega
> www.qualityexcellence.es
>

	[[alternative HTML version deleted]]

Más información sobre la lista de distribución R-help-es