网页源代码中文字符乱码，同一网页设了2个不同的charset

maomou

这个网页：http://www.yiteng365.com/commodity.do?id=5708&ispng=

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">

<html xmlns="http://www.w3.org/1999/xhtml">

<head>

<meta http-equiv="Content-Type" content="text/html; [s:14]charset=gb2312" />

<meta http-equiv="Content-Type" content="text/html; [s:14]charset=utf-8" />

<meta http-equiv="pragma" content="no-cache"/>

<meta http-equiv="cache-control" content="no-cache"/>

一个网页设了2个charset

用htmlParse解析的时候，常用的encoding都试了（utf-8， gbk， gb2313， iso-8859），中文全是乱码

求教有什么办法解决这个中文乱码问题吗，谢谢！

channingyuri

上面那个链接无效了，试了另一个产品。我是通过设置语言环境解决：

Sys.setlocale('LC_CTYPE', 'English')

# 恢复：Sys.setlocale('LC_CTYPE', 'CHS')

library(XML)

library(RCurl)

page <- getURL('http://www.yiteng365.com/commodity.do?id=5706', encoding = 'gbk')

doc <- htmlParse(page)

node <- getNodeSet(doc, '//*[@id="commName"]')[[1]]

iconv(xmlValue(node), 'utf-8', 'gbk')