Question

我从SAS导入了一些奇怪的变量，其中包含上标注册商标的unicode值，并使用gsub尝试使变量在R中成为注册商标。我在下面做了一些虚拟数据，只是为了表明我做了什么。由于某种原因，它正在打印一个额外的符号。有谁知道为什么会发生这种情况？

var1<-factor(c("prod1^{unicode 00AE}","prod2^{unicode 00AE}"))
var2<-as.factor(sapply(var1,gsub,pattern="\\{unicode 00AE\\}",replacement="\u00AE"))
> var2
[1] prod1^Â® prod2^Â®
Levels: prod1^Â® prod2^Â®

Answer 1

不确定gsub发生了什么事;但str_replace_all提供的stringr能够提供所需的输出：

> var1<-factor(c("prod1^{unicode 00AE}","prod2^{unicode 00AE}"))
> var2<-as.factor(sapply(var1,str_replace_all,pattern="\\{unicode 00AE\\}",replacement="\U00AE"))
> var2
[1] prod1^® prod2^®
Levels: prod1^® prod2^®

Answer 2

错误来自于gsub在替换中未正确处理\uXXXX符号的事实，即使使用fixed=TRUE也是如此。您实际上需要“手动”将结果设置为UTF8。看，这样可行：

> res <- gsub("{unicode 00AE}", "\u00AE", x, fixed=TRUE)
> res
[1] "prod1^Â®"
> Encoding(res) <- "UTF-8"
> res
[1] "prod1^®"

在您的情况下，您可以使用replacement="®"，它会正确显示结果：

> var2<-as.factor(sapply(var1,gsub,pattern="{unicode 00AE}",replacement="®", fixed=TRUE))
> var2
[1] prod1^® prod2^®
Levels: prod1^® prod2^®

注册商标打印额外字符

2 个答案: