字符编码，带数据库的dplyr（postgresql）

Question

我已经阅读了Shiny编码问题的线程和包更新，但我有一个（难以重现的例子）数据库驱动的Shiny应用程序，它正在摸索一些特殊字符。

在我的postgresql数据库中，我正确地看到了我的瑞典河，“UpperUmeälvenRiver”，当我用dplyr将其过滤回Shiny界面时： names.rivers <- filter(tbl.rivers, Country == "Sweden") ......在R中成为“UpperUmeälvenRiver”。

我在本地使用UTF-8编码;我想我在与数据库的交换中丢失了一些东西。

Sys.getlocale() [1] "LC_COLLATE=French_France.1252;LC_CTYPE=French_France.1252;LC_MONETARY=French_France.1252;LC_NUMERIC=C;LC_TIME=French_France.1252"

再次为缺乏示例而道歉，这只是一个从数据库中拉出来的问题。我怀疑我在某个地方的某些消毒功能上错过了一面旗帜，但需要一些帮助才能找到正确的方向。

Answer 1

在code page 1252 Windows Latin 1中Upper Umeälven River中'ä'的渲染是代码点0xE4（二进制11100100）。

同一代码页中的Upper Umeälven River有两个八位字节0xC3A4（XXX00011 XX100100）。

但是，如果考虑代码点的UTF-8 encoding rules，则有效位完全相同。

某处发生了无意或错误的字符编码，将字符转换为UTF-8，但仍认为该字符串具有Windows Latin 1代码页。

可能已经在UTF-8 中收到了数据，您可以将代码页更改为接收代码页以反映这一点。可能会在某个地方发生无声的转变，而且没有任何迹象表明这一点。

Answer 2

如怀疑的那样，答案很简单： iconv(vector.to.convert, "UTF-8")

我的学习＆＃34;：

1. 源文件，数据库和数据流的编码不是一回事;
2. 我花时间确保数据源是以正确的编码创建的，忽略了数据流的（隐式？）转换;
3. 此页面有帮助：http://shiny.rstudio.com/articles/unicode.html

我的理解有点浅薄，但是 - 坦率地说 - 我现在还没有深入挖掘字符编码的世界。我希望它可以帮助别人避免错误！