R爬虫脚本数据导出：以Unicode编码写入CSV并保留实际文本

嘿，我来帮你完善这段R抓取脚本，还能解决Unicode编码写入CSV的问题，确保文本内容完整保留。下面是完整的实现方案：

library('rvest')

# 用列表存储数据比循环里不断扩展向量高效得多
term_list <- list()
defn_list <- list()

for (term in 1:10) {
  url_base <- 'http://www.nplg.gov.ge/gwdict/index.php?a=term&d=9&t='
  url <- paste(url_base, term, sep="")
  webpage <- read_html(url)
  
  # 抓取术语内容
  term_data_html <- html_nodes(webpage, '.term')
  term_data <- html_text(term_data_html)
  
  # 抓取定义内容（这里假设CSS选择器是.defn，你可以根据实际网站调整）
  defn_data_html <- html_nodes(webpage, '.defn')
  defn_data <- html_text(defn_data_html)
  
  # 过滤掉带问号的无效术语
  if (!grepl("\\?", term_data)) {
    term_list <- c(term_list, term_data)
    defn_list <- c(defn_list, defn_data)
  }
}

# 把收集到的整合成数据框
final_data <- data.frame(
  Term = unlist(term_list),
  Definition = unlist(defn_list),
  stringsAsFactors = FALSE
)

# 关键：用UTF-8编码写入CSV，保证Unicode文本不丢失
write.csv(final_data, file = "georgian_terms.csv", fileEncoding = "UTF-8", row.names = FALSE)

• 定义选择器调整：我假设定义内容的CSS选择器是.defn，如果实际网站的选择器不一样，你可以右键点击定义文本，用浏览器开发者工具查看元素，复制对应的CSS选择器替换进去就行。
• 高效数据收集：原脚本里用c()不断扩展向量，数据量大的时候会很慢，换成列表存储最后再合并，性能会好很多。
• Unicode保存核心：write.csv()里的fileEncoding = "UTF-8"是重中之重，它会让CSV文件以UTF-8编码保存，不管是格鲁吉亚语还是其他非ASCII字符，都能完整保留，不会出现乱码。
• 数据一致性：只有当术语不含问号时才会保存对应的定义，避免出现有术语没定义或者反过来的情况。

另外提一句：如果用Excel打开这个CSV，记得导入时选择UTF-8编码，不然可能会显示乱码，但像R、Python、Notepad++这类工具都能直接识别UTF-8编码的文件。

内容的提问来源于stack exchange，提问作者tapdancer