Question

我想写一个包含该字符的UTF-8编码的文件 10001100 Œ扩展ASCII表中的zz <- file("c:/testbin", "wb") writeBin("10001100",zz) close(zz)拉丁语首都连字OE，

Œ

当我用office打开文件（encoding = utf-8）时，我可以看到zz <- file("c:/testbin", "rb") readBin(zz,raw())->x x [1] c5 readBin(zz,character())->x Warning message: In readBin(zz, character()) : incomplete string at end of file has been discarded x character(0)我读不懂的是readBin吗？

{{1}}

Answer 1

这里有很多困难。

首先，实际上有several "Extended ASCII" tables。由于您使用的是Windows，因此您可能正在使用其中之一的CP1252，也称为Windows-1252或{ {3}}，以及Win默认的“拉丁”编码。但是在这个表格系列中ANSI。正如您所写的，在CP1252中，"Œ"由10001100或"\x8c"表示。但它the code for Œ varies。在UTF-8中，它与"\xc5\x92"或"\u0152"相对应，正如rlegendi指出的那样。

所以，要从UTF-8 - as-binary-as-string写CP1252，你必须将你的字符串转换成一个“原始”数字（字节的R类），然后是字符，将其“编码”从CP1252更改为UTF-8（实际上将其字节值转换为UTF-8中相同字符的相应字符值），之后您可以重新转换它原始，最后写入文件：

char_bin_str <- '10001100'
char_u <- iconv(rawToChar(as.raw(strtoi(char_bin_str, base=2))),
              # "\x8c"    8c     140    '10001100'
                from="CP1252",
                to="UTF-8")

test.file <- "~/test-unicode-bytes.txt"

zz <- file(test.file, 'wb')
writeBin(charToRaw(char_u), zz)
close(zz)

其次，当你readBin()时，不要忘记给一些足够大的字节读取（n=file.info(test.file)$size这里），否则它只读取第一个字节（见下文）：

zz＆lt; - file（test.file，'rb'） x＆lt; - readBin（zz，'raw'，n = file.info（test.file）$ size）关闭（ZZ）

X [1] c5 92
第三，如果最后你要将它变回R中正确理解和显示的角色，你首先要将它转换为rawToChar()的字符串。现在，它的显示方式取决于您的默认编码，请参阅Sys.getlocale() 以查看它是什么（可能在Windows上以1252结尾）。最好的可能是指定您的角色应该被理解为UTF-8 - 否则将使用您的默认编码来理解它。

xx＆lt; - rawToChar（x）编码（xx）＆lt; - “UTF-8”

XX [1]“Œ”

这应该控制事情，在UTF-8中写入正确的字节，并在每个操作系统上都相同。希望它有所帮助。

PS ：我不完全确定您的代码x返回c5的原因，如果您设置{我认为它会返回c5 92 {1}}（或更多）作为n=2的参数。在我的机器上（ Mac OS X 10.7，R 3.0.2 和 Win XP，R 2.15 ），它返回readBin()，{{1}的十六进制ASCII表示形式使用您的代码（31中的第一个字符，这是有意义的）。也许您在Office中以'1'打开文件并将其保存为'10001100'，然后返回R？

Answer 2

试试这个（我用UTF编码替换了二进制值，因为我认为当你需要这样的输出时它会更好）：

writeBin(charToRaw("\u0152"), zz)

如何在UTF-8编码文件中写入和读取可打印的ASCII字符？

2 个答案: