RCurl处理含非罗马UTF-8字符的URL时报invalid URL错误

URL规范要求只能包含ASCII字符，直接在URL中写入中文等非ASCII字符不符合规范。你粘贴到浏览器时浏览器会自动完成非ASCII字符的URL百分号编码，因此可以正常访问；但RCurl的getURL函数默认不会对输入的URL字符串做自动编码处理，因此会抛出invalid URL错误。

方案1：直接对构造完成的URL做编码 #

调用R内置的URLencode()函数处理你拼接好的query_url即可，该函数会自动将非ASCII字符转为符合规范的百分号编码格式，且不会转义&、=等URL保留字符：

library(RCurl)
term <- "日本"
query_url <- paste("https://iss.ndl.go.jp/api/sru?operation=searchRetrieve&recordSchema=dcndl&recordPacking=xml&query=anywhere=", 
                       term,"%20AND%20from%20=%201887%20AND%20until=%201887", sep="")
# 新增URL编码步骤
encoded_url <- URLencode(query_url)
getURL(encoded_url, .encoding = "UTF8")

方案2：单独对查询参数编码（更规范，适合多参数场景） #

如果后续需要拼接多个动态参数，建议提前对每个非ASCII参数单独做编码，避免保留字符被误转义：

library(RCurl)
term <- "日本"
# 单独编码搜索关键词
encoded_term <- URLencode(term)
query_url <- paste("https://iss.ndl.go.jp/api/sru?operation=searchRetrieve&recordSchema=dcndl&recordPacking=xml&query=anywhere=", 
                       encoded_term,"%20AND%20from%20=%201887%20AND%20until=%201887", sep="")
getURL(query_url, .encoding = "UTF8")

内容的提问来源于stack exchange，提问作者Mark R