匹配R中的卷曲引号

Question

我在使用UTF-8编码文本（小说，从Project Gutenberg下载）中匹配卷曲引号时遇到问题。我可以轻松匹配小写，其中引号用直撇号（'）括起来，但是当引号括在弯引号中时，我似乎无法找到它们。我试图使用utf8ToInt()找到等价的整数，但它为卷曲标记返回NA。

我四处搜索但在R中找不到任何有这个问题的人。任何帮助都会非常感激。

hardtimes<-readLines(con="http://www.gutenberg.org/files/786/786-0.txt",encoding="UTF-8")
tmp<-hardtimes[368] #sample line with quotes in it
str_detect(tmp,"‘") #returns FALSE
str_count(tmp,"‘") #returns 0
utf8ToInt("‘") #returns NA

Answer 1

有点作弊：可能是Windows问题。在Windows上测试。

library(stringr)
hardtimes <-
  readLines(con = "http://www.gutenberg.org/files/786/786-0.txt",encoding =
              "UTF-8")
tmp <- hardtimes[368] #sample line with quotes in it
tmp 
backtickInt <- utf8ToInt(tmp)[1]
backtick <- intToUtf8(backtickInt)

str_detect(tmp,backtick) #returns FALSE
str_count(tmp, backtick) #returns 0
utf8ToInt("‘") #returns NA