Question

我有很多来自国外的作者姓名，其中R读取得很好。我正在尝试清理它们以便上传到Mechanical Turk（它真的不喜欢一个国际化的角色）。这样做，我有一个问题（稍后发布），但我甚至不能以合理的方式dput：

> dput(df[306,"primauthfirstname"])
"Gwena\xeblle M"
> test <- "Gwena\xeblle M"
<simpleError in nchar(val): invalid multibyte string 1>

换句话说，dput工作正常，但粘贴结果失败。为什么dput不输出必要的信息以允许复制/粘贴回R（可能它需要做的就是在结构语句中添加编码属性？）。我该怎么做呢？

请注意，就{R}而言，\xeb是一个有效字符：

> gsub("\xeb","", turk.df[306,"primauthfirstname"] )
[1] "Gwenalle M"

但是你不能单独评估这些字符 - 它是十六进制代码\ x ##或者没有：

> gsub("\\x","", turk.df[306,"primauthfirstname"] )
[1] "Gwena\xeblle M"

Answer 1

dput()的helppage说：“写一个R对象的ASCII文本表示”。因此，如果您的对象包含非ASCII字符，则无法表示这些字符，并且必须以某种方式进行转换。

因此我建议您使用iconv()在dput之前转换您的向量。一种方法是：

> test <- "Gwena\xeblle M"
> out <- iconv(test, from="latin1", to="ASCII", sub="byte")
> out
[1] "Gwena<eb>lle M"
> gsub('<eb>', 'ë', out)
[1] "Gwenaëlle M"

如你所见，

可以两种方式运作。您可以稍后使用gsub()将字节反向转换为字符（如果您的编码支持它，例如utf-8）。

第二种方法更简单（我认为更适合您的需要），但是单向工作，而您的libiconv可能不支持它：

> test <- "Gwena\xeblle M"
> iconv(test, from="latin1", to="ASCII//TRANSLIT")
[1] "Gwenaelle M"

希望这有帮助！

如何正确地输入国际化文本？

1 个答案: