在R中将`�`字符串转换为菱形问号（ ）

Question

我一直在使用googlesheets包来上传和下载网页表中的数据。以前，它一直在使用带有图标 的非ASCII符号下载字符串。现在，由于没有明显的原因，它已经开始使用以下字符串下载它们：�。如何将�转换为菱形问号（ ）？

Answer 1

您可能遇到编码问题。我怀疑原始数据是用UTF-8编码的，但在某些时候它被视为Windows-1252。

当编码被错误地标记为Windows-1252，然后转换为UTF-8时会发生这种情况：

x <- "Here is a raw string: � is getting converted to �"
(y <- iconv(x, "WINDOWS-1252", "UTF-8"))
#> [1] "Here is a raw string: � is getting converted to �"

您可以通过从UTF-8转换为Windows-1252，然后将结果标记为UTF-8来修复编码错误：

z <- iconv(y, "UTF-8", "WINDOWS-1252")
Encoding(z) <- "UTF-8"
print(z)
#> [1] "Here is a raw string: � is getting converted to �"

注意：如果省略Encoding(z) <- "UTF-8"行，代码仍可在MacOS和Linux上运行，但在Windows上会中断。如果你遗漏那条线，那么z将会有＆＃34;未知＆＃34;编码，被解释为＆＃34; UTF-8＆＃34;在Linux和MacOS上，但不在Windows上。

Windows用户

如果你正在使用Windows，那么修复可能会简单得多。如果您的数据具有"unknown"编码，那么在MacOS和Linux上它将（正确地）解释为UTF-8，但在Windows上它将使用您的本机编码解释，通常是Windows-1252。如果您使用的是Windows，则会发生类似以下情况：

x <- "Here is a raw string: � is getting converted to �"
y <- x
Encoding(y) <- "unknown"
print(y)
#> [1] "Here is a raw string: � is getting converted to �"

您可以按照以下方式解决此问题：

z <- y
Encoding(z) <- "UTF-8"
print(z)
#> [1] "Here is a raw string: � is getting converted to �"