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 编码形式的纯文本数据。示例

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”

如果这是使用 UTF-16 编码的，它应该是“00BD”，我可以通过

将其转换为实际编码为 utf8 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”获取整数值的方法。

最终我想从“#C2#BD”到达½。我怀疑获取 UTF-16 的路径可以通过 strtoi 转换为整数，但我很难理解两者之间的关系。

Answer 1

这个例子就是这样做的：

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"

真实的例子应该不需要太多的改变...

将文本形式的UTF-8编码转换为字符

Convert UTF-8 encoding in text form to characters

r

utf-8

utf-16