将`�`字符串转换为R中的菱形问号符号（�）

Question

我一直在使用 googlesheets 包从网页上传和下载数据。以前，它一直在下载带有图标 � 的非 ASCII 符号的字符串。现在，不知为何，它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

您可能遇到了编码问题。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.

这是编码错误标记为Windows-1252，然后转换为UTF-8时发生的情况：

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：如果您省略 Encoding(z) <- "UTF-8" 行，代码在 MacOS 和 Linux 上仍然有效，但它会在 Windows 上中断。如果您省略该行，则 z 将具有 "unknown" 编码，在 Linux 和 MacOS 上被解释为 "UTF-8" 但在 Windows.[=32 上则不会=]

Windows 用户

如果您使用的是 Windows，那么修复会简单得多。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进行解释，通常 Windows-1252。如果您在 Windows，则会发生类似以下的情况：

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 �"

您可以按如下方式解决此问题：

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