如何在Mac的RStudio上获得有效的汉字编码输出？

Question

我们正在清理一些繁体中文的营销数据。我们发现R可以毫无问题地读取UTF-8繁体中文变量名。但是，我们无法在那里获得有效的UTF-8输出。例如,

如果我们命令：unique(rframe$性別)

这就是我们得到的：[1] "\u5973" "\u7537"

其中，性別是“性别”，\u5973表示女性(女)，\u7537表示男性(男)。

最有趣的是，如果我们使用相同的UTF-8CSV文件，则Linux平台上的R会生成有效的UTF-8中文输出。为什么在Linux平台上可以成功生成UTF-8中文输出编码的同一个RStudio，在Mac系统上却不能输出有效的UTF-8中文输出？

这个非常麻烦的问题已经存在了很长一段时间。事实上，在旧的RStudio版本中，我们可以得到有效的UTF-8输出。有朋友能帮我们吗？

非常感谢。

钱德勒

Answer 1

数据导入过程中可能出现错误。您是如何导入数据的？

我试着导入了一些带有中文字符的数据，并专门使用了encoding="UTF-8“，我没有任何问题。

所以我的第一个建议是试试这个：

data <-read.csv("mydata.csv", encoding="UTF-8", stringsAsFactors=FALSE)

另一种方法是将变量指定为字符。根据下面的answer。所以你得到的是中文字符，而不是unicode。

as.character(unique(rframe$性別))

如果您提供数据的摘录，我可以检查并可能确认这一点。

Answer 2

经过几次试验和错误，我们发现这个问题可能来自于在Mac上生成R应用程序的过程。

我们从Git下载了R，并通过Apple clang版本12.0.0 (clang-1200.0.32.29，Target: x86_64-apple-darwin19.6.0)从源代码编译了一个应用程序。它工作得很好。我们的麻烦问题不会再出现了。我们今天向R协会报告了我们的发现。我们希望人们能很快看到一个快速的回应。

下面的消息是我们发送给R的报告。

致:bug-report-request:bug-report-request@r-project.org

嗨,

我更像是一个系统程序员，帮助我的朋友(Chandler)使用R来处理数据。他在终端上获取中文/ Unicode输出时遇到了相当大的困难。然而，这只发生在Mac上。我不能在Linux上重现它。

我认为在R- Mac版本上可能会有一些错误。我用GitHub中的源代码重新编译了R，我不能重现这个问题。从网站下载一次，即可复制，失败率为100%。

详情请参见https://www.facebook.com/groups/RnRStudio/permalink/4555694011125386/。

我认为这是因为编译R/ MAC的工具链可能已经过时了。

如果你可以在Bugzilla上创建一个bug，并让我在那里发表评论，我就不需要Bugzilla帐户了。或者，如果你们中的任何人能赞助这个问题，那就更好了。

否则我需要一个Bugzilla帐户。

谢谢!

Answer 3

此问题来自R 4.0.4版源代码中的错误。UTF-8代码无法在Windows和Mac上有效显示。它已在版本4.0.5中修复。