我无法使用样本数据重现这一点，所以请耐心等一下。
我正在尝试合并两个data.table，例如DT1和DT2;来自.csv文件的DT1是fread（应该是UTF-8，我自己在Linux上的LibreOffice Calc中自己编写时指定了这个文件），并且从{.1}}读取了DT2。带有readxl::read_excel的xls文件。不确定后者的编码，但您可以获取文件here。
我尝试在其中一个列的正则表达式版本上进行匹配。我用来清理两个表中的列的正则表达式是gsub("[[:punct:]]|\\(.*\\)", "", id)。桌子合并得很好;但是，为了改进匹配，我意识到我还应该使用更新的正则表达式排除前导，尾随和重复的空格（即实现this白色空间清理方法）：
gsub("(?<=[\\s])\\s*|^\\s+|\\s+$|[[:punct:]]|\\(.*\\)", "", name, perl = TRUE)
然而，这样做会引入警告，并且匹配的质量会下降：
警告讯息： 在
bmerge(i, x, leftcols, rightcols, io, xo, roll, rollends, nomatch,中： 在连接列中检测到已知编码（latin1或UTF-8）。data.table比较当前的字节数，因此不支持混合编码;即，同时使用latin1和UTF-8，或者如果任何未知编码是非ascii，其中一些已标记为已知而其他未标记。但是如果单独使用latin1或UTF-8，并且所有未知编码都是ascii，那么结果应该没问题。将来我们会检查你，如果一切正常，请避免这个警告。棘手的部分是这样做而不会影响ascii案例的性能。
看起来简单地激活perl会导致编码发生某些事情并使我的合并失效。我在?regex稍微探讨了一下，似乎PERL以不同方式处理单独的编码，但检查Encoding没有帮助 - DT1[ , Encoding(id)]和DT2[ , Encoding(id)]都是 all） 未知。
为什么从POSIX更改为PERL正则表达式会搞砸我的合并尝试？