十六进制代码（\ x）和unicode（\ u）字符之间有什么区别？

Question

来自?Quotes：

\xnn   character with given hex code (1 or 2 hex digits)  
\unnnn Unicode character with given code (1--4 hex digits)

在Unicode字符只有一个或两个数字的情况下，我希望这些字符是相同的。事实上，?Quotes帮助页面上的一个示例显示：

"\x48\x65\x6c\x6c\x6f\x20\x57\x6f\x72\x6c\x64\x21"
## [1] "Hello World!"
"\u48\u65\u6c\u6c\u6f\u20\u57\u6f\u72\u6c\u64\u21"
## [1] "Hello World!"

然而，在Linux下，当我尝试打印英镑符号时，我看到了

cat("\ua3")
## £
cat("\xa3")
## �

也就是说，\x十六进制代码无法正确显示。 （这种行为持续存在于我尝试的任何区域设置。）在Windows 7下，两个版本都显示一个井号。

如果我转换为整数然后返回，则在Linux下正确显示井号。

cat(intToUtf8(utf8ToInt("\xa3")))
## £

顺便说一句，这在Windows下无效，因为utf8ToInt("\xa3")会返回NA。

某些\x字符在Windows下返回NA但在Linux下引发错误。例如：

utf8ToInt("\xf0")
## Error in utf8ToInt("\xf0") : invalid UTF-8 string

（"\uf0"是有效字符。）

这些示例表明，\x和\u形式的字符之间存在一些差异，这些差异似乎是特定于操作系统的，但我看不出它们如何定义的任何逻辑。

这两种字符形式有什么区别？

Answer 1

转义序列\xNN将原始字节NN插入字符串，而\uNN将Unicode代码点NN的UTF-8字节插入UTF- 8字符串：

> charToRaw('\xA3')
[1] a3
> charToRaw('\uA3')
[1] c2 a3

这两种类型的转义序列不能混合在同一个字符串中：

> '\ua3\xa3'
Error: mixing Unicode and octal/hex escapes in a string is not allowed

这是因为转义序列还定义了字符串的编码。 \uNN序列将整个字符串的编码显式设置为“UTF-8”，而\xNN将其保留为默认的“unknown”（aka。native）编码：

> Encoding('\xa3')
[1] "unknown"
> Encoding('\ua3')
[1] "UTF-8"

这在打印字符串时变得很重要，因为它们需要转换为适当的输出编码（例如，控制台的编码）。可以适当地转换具有已定义编码的字符串（请参阅enc2native），但具有“未知”编码的字符串只是按原样输出：

• 在Linux上，您的控制台可能需要UTF-8文本，而0xA3不是有效的UTF-8序列，它会为您提供“ ”。
• 在Windows上，您的控制台可能需要Windows-1252文本，而0xA3是“£”的正确编码，这就是您所看到的。 （当字符串为\uA3时，会发生从UTF-8到Windows-1252的转换。）

如果明确设置了编码，则在Linux上进行适当的转换：

> s <- '\xa3'
> Encoding(s) <- 'latin1'
> cat(s)
£