Question

如果我写

`Δ` <- function(a,b)   (a-b)/a

然后我可以包含U+394，只要它包含在反引号中。（相比之下，Δ <- function(a,b) (a-b)/a以unexpected input in "�"失败。）显然，R会解析UTF-8或Unicode或类似的东西。任务进展顺利，例如

的评估也是如此

`Δ`(1:5, 9:13)

。我也可以评估Δ(1:5, 9:13)。

最后，如果我定义了类似winsorise <- function(x, λ=.05) { ... }的内容，则λ（U+3bb）不需要通过反引号“引入”R。然后，我可以毫无问题地致电winsorise(data, .1)。

我可以找到关于unicode的R文档中唯一的mention。理解它的人能否更好地向我解释 - 当R需要`来理解对assignment的赋值时，“引擎盖下”会发生什么，但是一旦分配了就可以解析♔（a，b，c）？

Answer 1

我无法谈论有关函数调用与函数参数的内幕情况，但2008年的this email from Prof. Ripley可能会有所启示（摘录如下）：

R传递，打印和绘制UTF-8字符数据非常好，但它转换为几乎所有字符级操作的本机编码（而不仅仅是在Windows上）。 ?Encoding说明例外情况[...]

在the documentation that the OP linked to中提到了R进行此翻译的原因（至少在Windows上）：

Windows没有UTF-8语言环境，但希望使用UCS-2字符串。 R（用标准C编写）在没有大量更改的情况下不能在UCS-2内部工作。

?Quotes的R文档解释了如何有时使用场外字符（强调添加）：

标识符由一系列字母，数字，句点（。）和下划线组成。它们不能以数字或下划线开头，也不能以句点后跟数字开头。保留字不是有效的标识符。

字母的定义取决于当前的区域设置，但只有ASCII数字被视为数字。

这种标识符也称为语法名称，可以直接在R代码中使用。几乎总是，可以使用其他名称，只要它们被引用。首选引号是反引号（`），而deparse通常会使用它，但在许多情况下可以使用单引号或双引号（因为字符常量通常会转换为名称）。反引号可能必不可少的一个地方是在公式中分隔变量名称：参见公式。

还有另一种获取此类字符的方法，即使用unicode转义序列（如\u0394代表Δ）。如果您将该字符用于绘图上的文本以外的其他任何内容（例如，不要对变量或函数名称执行此操作;参见the R 2.7 release notes中的此引用，当大部分内容时，这通常是一个坏主意。添加了当前的UTF-8支持）：

如果呈现给解析器的字符串在当前语言环境中包含\ uxxxx转义无效，则字符串将以UTF-8记录，并声明编码。 如果稍后在会话中使用它可能会引发错误，但可以打印，并用于例如在windows（）设备上绘图。所以“\ u03b2”给出一个希腊小beta和“\ u2642”一个'男性标志'。这样的字符串将被打印为例如<U+2642>除了在Rgui控制台中（见下文）。

我认为这解决了大部分问题，但我不知道为什么你给出的函数名和函数参数示例之间存在差异;希望有更多知识渊博的人可以参与其中。仅供参考，在Linux上，所有这些分配和调用函数的方式都可以正常工作（因为系统区域设置是UTF-8，所以不需要进行翻译）：

Δ <- function(a,b) (a-b)/a         # no error
`Δ` <- function(a,b) (a-b)/a       # no error
"Δ" <- function(a,b) (a-b)/a       # no error
"\u0394" <- function(a,b) (a-b)/a  # no error
Δ(1:5, 9:13)        # -8.00 -4.00 -2.67 -2.00 -1.60
`Δ`(1:5, 9:13)      # same
"Δ"(1:5, 9:13)      # same
"\u0394"(1:5, 9:13) # same

sessionInfo()

# R version 3.1.2 (2014-10-31)
# Platform: x86_64-pc-linux-gnu (64-bit)

# locale:
# LC_CTYPE=en_US.UTF-8    LC_NUMERIC=C                LC_TIME=en_US.UTF-8
# LC_COLLATE=en_US.UTF-8  LC_MONETARY=en_US.UTF-8     LC_MESSAGES=en_US.UTF-8
# LC_PAPER=en_US.UTF-8    LC_NAME=C                   LC_ADDRESS=C
# LC_TELEPHONE=C          LC_MEASUREMENT=en_US.UTF-8  LC_IDENTIFICATION=C

# attached base packages:
# stats  graphics  grDevices  utils  datasets  methods  base

Answer 2

为了记录，在R-devel（2015-02-11 r67792），Win 7，英国英国语言环境下，我看到：

options(encoding = "UTF-8")

`Δ` <- function(a,b) (a-b)/a 
## Error: \uxxxx sequences not supported inside backticks (line 1)

Δ <- function(a,b) (a-b)/a
## Error: unexpected input in "\"

"Δ" <- function(a,b) (a-b)/a      # OK

`Δ`(1:5, 9:13)
## Error: \uxxxx sequences not supported inside backticks (line 1)

Δ(1:5, 9:13)
## Error: unexpected input in "\"

"Δ"(1:5, 9:13)
## Error: could not find function "Î”"

R如何处理Unicode / UTF-8？

2 个答案: