将文本形式的UTF-8编码转换为字符

Question

我有一个字符串，其中包含UTF-8编码格式的数据作为纯文本。例子

utf8 = "#C2#BD"

我正在尝试获取此值的字符。在这种情况下，它将是“ ½”

如果使用UTF-16进行编码，则该编码将为“ 00BD”，我可以将其转换为实际通过utf8编码的字符

intToUtf8(strtoi('0x00BD'))
[1] "½"

但是我似乎找不到使用utf8编码的十六进制“＃C2＃BD”来获取整数值的方法。

最终，我想从“＃C2＃BD”到达½。我怀疑通过strtoi可以将UTF-16转换为整数的方法是可行的，但是我很难理解两者之间的关系。

Answer 1

在该示例中将这样做：

utf8chars <- strsplit(utf8, "#")

# just grab the first entry, and leave off the blank
utf8chars <- utf8chars[[1]][-1]

# Convert the hex to integer
utf8int <- strtoi(paste0("0x",utf8chars))

# Then to raw
utf8raw <- as.raw(utf8int)

# And finally to character
utf8char <- rawToChar(utf8raw)

# On Windows you'll also need this
Encoding(utf8char) <- "utf-8"

真实的示例不需要太多更改...