为什么字符串在操作字符串时改变编码？
stringr有一种奇怪的行为，这真的让我很烦。stringr在没有警告的情况下改变了一些包含异域字符的字符串的编码，在我的例子中，还有一些.如果您str_trim一个字符向量，那么那些带有外来字母的字符将被转换为新的编码。
letter1 <- readline('Gimme an ASCII character!') # try q or a
letter2 <- readline('Gimme an non-ASCII character!') # try ø or é
Letters <- c(letter1, letter2)
Encoding(Letters) # 'unknown'
Encoding(str_trim(Letters)) # mixed 'unknown' and 'UTF-8'这是一个问题，因为我使用data.table (快速)合并大表，而且data.table不支持混合编码，也因为我找不到回到统一编码的方法。
有什么解决办法吗？
编辑:我想我可以回到基本函数，但它们既不保护编码，也不保护编码。例如，paste保存它，但不保存sub。
Encoding(paste(' ', Letters)) # 'unknown'
Encoding(str_c(' ', Letters)) # mixed
Encoding(sub('^ +', '', paste(' ', Letters))) # mixed回答 3
Stack Overflow用户
发布于 2015-11-06 12:06:10
R并不总是使编码之间的转换变得容易(有函数iconv，但这个函数所接受的是平台相关的)。但是，至少可以始终将字符串的编码标记重置为“未知”：
Letters = str_trim(Letters)
Encoding(Letters)
# [1] "unknown" "UTF-8"
Encoding(Letters) = ''
Encoding(Letters)
# [1] "unknown" "unknown"但是，请注意，这只标志着字符串的编码，它实际上并不会重新编码字符串。因此，这可能会导致数据的混淆。正如评论中提到的，这充其量只是一次黑客攻击，而不是实际解决问题的方法。
Encoding举例说明了R在编码方面的困难。文件上说：
ASCII字符串永远不会用声明的编码标记，因为它们在所有受支持的编码中的表示都是相同的。
…这显然毫无帮助(而且还有点误导；仅由代码点< 128组成的UTF-8字符串在ASCII字符串看来可能难以区分，但对它的操作应该根据编码产生不同的结果，这就是为什么应该有效地标记它)。
有趣的是，enc2native和enc2utf8在这里都不会做想要的事情--它们都会为Letters中的两个字符串产生不同的编码，这是上面提到的Encoding问题的直接后果。
Stack Overflow用户
发布于 2015-11-03 01:55:28
stringr正在更改编码，因为stringr是stringi包的包装器，而stringi总是在UTF-8中编码。有关此设计选择的详细信息和说明，请参见help("stringi-encoding", package = "stringi")。
为了避免合并data.table的问题，只需确保所有id变量都用UTF-8编码。您可以在stri_enc_toutf8包中使用stringi，也可以使用iconv。
https://stackoverflow.com/questions/33482308
复制相似问题
腾讯云开发者
