chunks :从块生成UTF-8输出

Question

我有一个doc.Rnw，可以生成一些俄语UTF-8字符串：

\documentclass{article}
\usepackage{inputenc}
\inputencoding{utf8}
\usepackage[main=english,russian]{babel}
\begin{document}
\selectlanguage {russian} 
<<test, results='asis', echo=FALSE>>=
print(readLines('string.rus', encoding="UTF-8"))

print("Здравствуйте")
@

Здравствуйте
\selectlanguage {english}
\end{document}

string.rus有一个UTF-8字符串，在R控制台中正确显示：

print(readLines('string.rus', encoding="UTF-8"))    
# [1] "Здравствуйте"

doc.Rnw会直接显示在Windows记事本中，而两者都是：

file.show("doc.Rnw")
file.show("doc.Rnw", encoding="UTF-8")

无法正确显示UTF-8字符串。

使用：

knit("doc.Rnw")

输出doc.tex的文档部分显示：

\begin{document}
\selectlanguage {russian} 
[1] "<U+0417><U+0434><U+0440><U+0430><U+0432><U+0441><U+0442><U+0432><U+0443><U+0439><U+0442><U+0435>"
[1] " <U+0097>д <U+0080>авс <U+0082>в <U+0083>й <U+0082>е"


Здравствуйте
\selectlanguage {english}
\end{document}

它当然不能在PDFLaTeX中编译。使用：

knit("doc.Rnw", encoding="UTF-8")

结果会更糟。

注释应该生成UTF-8字符串的块：

print(readLines('string.rus', encoding="UTF-8"))     
print("Здравствуйте")

给出了一个有效的doc.tex，它可以在MikTeX中编译并正确显示剩余的UTF-8字符串。

即使我注释了第一个print...，只留下第二个。我不会编译。这似乎证明了doc.Rnw的原始编码是正确的。

我尝试将这两个print命令替换为：

a="Здравствуйте"
Encoding(a)="UTF-8"
print(a)

在这种情况下，我可以编译，但PDF输出是(第一个字符串从边距中删除)：

[1] «U+0417><U+0434><U+0440><U+0430><U+0432><U+0441><U+0442><U+0432><U+0443>
Здравствуйте

因此，块输出仍然是错误的。

如何正确打印块中的UTF-8字符串？

适用于Windows的R版本为3.3.3 (2017-03-06)，针织版本为1.15.1 (2016-11-22)。

Answer 1

下面是一个扩展的工作示例：

\documentclass{article}
\usepackage{inputenc}
\inputencoding{utf8}
\usepackage[main=english,russian]{babel}
\begin{document}
\selectlanguage {russian} 
<<test, results='asis', echo=FALSE>>=

s=readLines('string.rus', , encoding="UTF-8")
message("s ", Encoding(s), ": ", s)
Encoding(s)="latin1"
message("s latin1: ", s)
Encoding(s)="unkwnown"
message("s unkwnown: ", s)
Encoding(s)="utf8"
message("s utf8: ", a)


a="Здравствуйте"
message("a ", Encoding(a), ": ", a)
Encoding(a)="latin1"
message("a latin1: ", a)
Encoding(a)="utf8"
message("a utf8: ", a)
Encoding(a)="UTF-8"
message("a UTF-8: ", a)

u=("\U0417")
message("u ", Encoding(u), ": ", u)
Encoding(u)="latin1"
message("u latin1: ", u)
Encoding(u)="unkwnown"
message("u unkwnown: ", u)

@

Здравствуйте
\selectlanguage {english}
\end{document}

在knit("doc.Rnw"之后，这是与在doc.tex中找到的test块相关的输出(没有为了可读性而进行编织代码修饰)：

s UTF-8: <U+0417><U+0434><U+0440><U+0430><U+0432><U+0441><U+0442><U+0432><U+0443><U+0439><U+0442><U+0435>

s latin1: Здравствуйте

s unkwnown: Здравствуйте

s utf8: <U+0417><U+0434><U+0440><U+0430><U+0432><U+0441><U+0442><U+0432><U+0443><U+0439><U+0442><U+0435>

a unknown: Здравствуйте

a latin1: Здравствуйте

a utf8: Здравствуйте

a UTF-8: <U+0417><U+0434><U+0440><U+0430><U+0432><U+0441><U+0442><U+0432><U+0443><U+0439><U+0442><U+0435>

u UTF-8: <U+0417>

u latin1: З

u unkwnown: З

下面是一些评论。

首先，只有message()可以工作，print()总是会给出错误。

在外部读取的字符串s和本地设置的a中，行为都很奇怪。

实际上，保留或显式地将代码设置为UTF-8会产生错误的结果(utf8适用于a)。

有人可能认为文档(doc.Rnw和string.rus)的UTF8编码设置不正确。这就是为什么我添加了u=("\U0417")这一行，它肯定是UTF8。同样，只有删除UTF8编码才能得到正确的输出。

以类似的方式，显式请求UTF8输出：

knit("doc.Rnw", encoding="UTF-8")

不会生成UTF8字符，但会生成其Unicode值或奇怪的值。

最后，我可以生成所需的.tex文件并编译它的LaTeX，但是为什么会出现上述违反直觉的行为？

希望有人能给出一个很好的解释。