名称不符合XML命名空间 [英] Name is not XML Namespace compliant

问题描述

我正在尝试阅读此网站上的表格：

http://spacefem.com/pregnant/due.php?use=EDD&m=09&d=10&y=16

我使用rvest，但很快就收到错误：

library(rvest)
read_html("http://spacefem.com/pregnant/due.php?use=EDD&m=09&d=10&y=16")

错误：名称扰乱程序：3tbt4d3m不符合XML命名空间[202]

此错误是什么意思，我可以做些什么来避免它？

我已经找到了导致错误的内部函数：xml2:::doc_parse_raw。但是，xml2:::doc_parse_raw只是对内部C代码的调用，这使得调试此问题变得更加困难。

推荐答案

另一个选项是使用htmltidy(需要使用v0.3.0或更高版本，这意味着-截至本答案的日期-使用开发版本与CRAN版本，直到CRAN达到0.3.0+)来"清理"文档：

library(rvest)
library(htmltidy) # devtools::install_github("hrbrmstr/htmltidy")
library(httr)

URL <- "http://spacefem.com/pregnant/due.php?use=EDD&m=09&d=10&y=16"

# the site was not returning content for me w/o a more browser-like user agent

res <- GET(URL, user_agent("Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/46.0.2490.76 Mobile Safari/537.36"))

cleaned <- tidy_html(content(res, as="text", encoding="UTF-8"),
                     list(TidyDocType="html5"))

pg <- read_html(cleaned)

这篇关于名称不符合XML命名空间的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！