粘贴由电话号码组成的字符串时的奇怪行为

Question

我已经从WhatsApp聊天中提取了数据（df），并建立了一个名为name的变量。现在，在某些情况下，我没有名字，但有电话号码。

因此，在下一步中，我尝试为每个数字分配一个名称。现在，R显示了一种奇怪的行为（对不起，我对此没有其他名称）：

当我在控制台中键入which(df$name=="‪+49 176 12345678‬")时，R会以某种方式将其更改为which(df$name=="*+49 176 12345678,")（然后，当然找不到该数字的任何实例）。同时，似乎还有一个“看不见的空间”：当我的光标直接位于“ 8”的右边并按退格键时，“ 7”将被删除。

如果这有帮助：在查看变量（View(df$name)）时，R不会显示+49 176 12345678‬之类的数字，而是显示<U+202A>+49 176 12345678‬<U+202C>。但是，当使用（例如）``table（df $ name）`时，这些Unicode控制字符不会出现。

Answer 1

尝试使用此处建议的方法剥离非ASCII字符：gist.github.com/nassimhaddad/4643587。如您所确定的，看来您遇到的问题是字符串中有一些隐藏的字符。他们正在创造各种奇怪的行为。运行df$text <- gsub("[^\x20-\x7E]", "", df$text)将删除字符串中的非ASCII字符，并且只剩下显示在屏幕上的数字和字符。