我对R如何处理不同语言中的字符有异议。我有一个多语言数据集(PL,HR,EN,FR,GE,IT),我创建了一个关键字字符串来过滤它。然而,R并不是以每种语言识别我所有的字符,而是转换它们,这是有问题的。
因此,假设我想使用字符串查找数据中的单词"łapać“,然后R将筛选"lapac”,从而找不到必要的单词,因为在数据库中它正确地读取了原始单词:
catch <- "łapać"
catch
[1] "lapac"我尝试了不同的东西,对于一些字符/语言,它正在工作。例如:
things <- "ćłßöüžỳđčšśęıчуй"
things
[1] "clßöüžỳdcšseiчуй"正如您所看到的,一些字符按其应有的方式显示(ž,包括ч或й等西里尔字母),其他字符则被转换(ćł为cl)。
我尝试用不同的编码重新打开文档并更改编码:
options(encoding = "utf-8")
Encoding(things) <- "UTF-8"另外,我在两台不同的Windows计算机上尝试了不同的R版本。
R version 4.1.2 (2021-11-01)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows 10 x64 (build 17763)
locale:
[1] LC_COLLATE=German_Germany.1250 LC_CTYPE=German_Germany.1250
[3] LC_MONETARY=German_Germany.1250 LC_NUMERIC=C
[5] LC_TIME=German_Germany.1250发布于 2022-04-04 20:23:08
跑步时
Sys.setlocale(category = "LC_ALL", locale = ".1250")它起作用了!请参见:
catch <- "łapać"
catch
[1] "łapać"然而,并不完美,从
things <- "ćłßöüžỳđčšśęıчуй"
things
[1] "ćłßöüžỳđčšśęiчуй"土耳其ı仍然是一个i。因为我不会使用土耳其语,到目前为止,这对我来说还不错。
谢谢!
https://stackoverflow.com/questions/71740023
复制相似问题