Question

我正在处理包含印地语文本的文件并解析它们。我在Rstudio中编写了代码并执行它没有太多问题。但是现在，我需要使用R.exe / Rscript.exe从命令行执行相同的脚本，并且它的工作方式不同。我从RStudio和终端运行了一个简单的脚本：

n_p<-'नाम'

Encoding(n_p)

gregexpr(n_p,c('adfdafc','नाम adsfdfa'))
sessionInfo()

RStudio输出：

> n_p<-'नाम'
> 
> Encoding(n_p)
[1] "UTF-8"
> 
> gregexpr(n_p,c('adfdafc','नाम adsfdfa'))
[[1]]
[1] -1
attr(,"match.length")
[1] -1

[[2]]
[1] 1
attr(,"match.length")
[1] 3

> sessionInfo()
R version 3.5.0 (2018-04-23)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows 7 x64 (build 7600)

Matrix products: default

locale:
[1] LC_COLLATE=English_India.1252  LC_CTYPE=English_India.1252   
[3] LC_MONETARY=English_India.1252 LC_NUMERIC=C                  
[5] LC_TIME=English_India.1252    

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
[1] rJava_0.9-10

loaded via a namespace (and not attached):
[1] compiler_3.5.0 tools_3.5.0

使用cmd中的R.exe输出（用于调试目的.Rscript.exe提供类似但不相同的输出）

> n_p<-'à☼"à☼_à☼r'
>
> Encoding(n_p)
[1] "latin1"
>
> gregexpr(n_p,c('adfdafc','à☼"à☼_à☼r adsfdfa'))
[[1]]
[1] -1
attr(,"match.length")
[1] -1

[[2]]
[1] 1
attr(,"match.length")
[1] 9

> sessionInfo()
R version 3.5.0 (2018-04-23)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows 7 x64 (build 7600)

Matrix products: default

locale:
[1] LC_COLLATE=English_India.1252  LC_CTYPE=English_India.1252
[3] LC_MONETARY=English_India.1252 LC_NUMERIC=C
[5] LC_TIME=English_India.1252

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base

loaded via a namespace (and not attached):
[1] compiler_3.5.0

我尝试过更改区域设置，但Sys.setlocale拒绝正常工作。在某些情况下，gregexpr在无法解析非ASCII代码时会出错。最后，当它运行没有错误时，它不能正确匹配正则表达式。我目前无法提供可重复的示例，但我会稍后尝试。

帮助。

Answer 1

正确的答案是您应该使用--encoding = file encoding选项运行Rscript

不需要设置区域设置，而且您可能已经发现，它仍然无法正常工作。如果您的文件是UTF-8： Rscript.exe --encoding = UTF-8文件。R

Answer 2

您需要确保R在合适的区域设置中运行：

运行rterm使用：Sys.getlocale()查找您当前的区域设置。

您可以使用以下方式设置语言区域：

Sys.setlocale(category = "LC_ALL", locale = "hi-IN")

# Try "hi-IN.UTF-8" too...

您可以找到区域设置名称here，MSDN和here。

如果您的值正确，请将Sys.setlocale()命令放入~/.Rprofile。

<强>参考

使用utf-8文本的脚本与Windows中的RStudio和命令行运行不同

2 个答案: