R:将 "special"字母转换为 UTF-8？

Question

我在匹配表时遇到问题，其中一个数据帧包含特殊字符，而另一个数据帧不包含特殊字符。示例:Doña Ana County 与 Dona Ana County

这是一个可以重现输出的脚本:

library(tidyverse)
library(acs)
tbl_df(acs::fips.place)    # contains "Do\xf1a Ana County"
tbl_df(tigris::fips_codes) # contains "Dona Ana County"

示例:

tbl_df(tigris::fips_codes) %>% filter(county == "Dona Ana County")

返回:

# A tibble: 1 x 5
  state state_code state_name county_code          county
  <chr>      <chr>      <chr>       <chr>           <chr>
1    NM         35 New Mexico         013 Dona Ana County

不幸的是，以下查询没有返回任何内容:

tbl_df(acs::fips.place) %>% filter(COUNTY == "Do\xf1a Ana County")
tbl_df(acs::fips.place) %>% filter(COUNTY == "Doña Ana County")
tbl_df(acs::fips.place) %>% filter(COUNTY == "Dona Ana County")

# A tibble: 0 x 7
# ... with 7 variables: STATE <chr>, STATEFP <int>, PLACEFP <int>, PLACENAME <chr>, TYPE <chr>, FUNCSTAT <chr>, COUNTY <chr>

但是，当在 R Studio 中打开数据框时，它显示:

问题 1:为什么第二个查询没有返回结果，尽管数据库中出现了“Do\xf1a Ana County”？

问题 2:如何将所有“特殊”字符(例如 ñ)转换为 n 或类似字符(UTF-8？) ？是否有一个库或片段，或者在标题中定义，而不是为每个字符定义规则？无论如何，我必须这样做才能匹配两个表中的某些列。

谢谢!

Answer 1

使用

 tbl_df(acs::fips.place) %>% filter(COUNTY == "Do\\xf1a Ana County")

在您的数据集中，您真正拥有的是 Do\\xf1a 您可以在 R 控制台中使用以下命令进行检查:

acs::fips.place[grep("Ana",f$COUNTY),]

要使用的函数是 iconv(x, from = "", to = "") 或 enc2utf8 或 enc2native 不接受“from”参数。 在大多数情况下，要构建包，您需要将数据转换为 UTF-8(构建包时我必须对所有法语字符串进行转码)。这里我认为它是latin1，但是\已经被转义了。

x<-"Do\\xf1a Ana County"
Encoding(x)<-"latin1"
charToRaw(x)
#  [1] 44 6f f1 61 20 41 6e 61 20 43 6f 75 6e 74 79
xx<-iconv(x, "latin1", "UTF-8")
charToRaw(xx)
# [1] 44 6f c3 b1 61 20 41 6e 61 20 43 6f 75 6e 74 79

最后，如果您需要清理输出以获得可比较的字符串，您可以使用此函数(直接来 self 自己的编码 hell )。

to.plain <- function(s) {   
   #old1 <- iconv("èéêëù","UTF8") #use this if your console is in LATIN1
   #new1 <- iconv("eeeeu","UTF8") #use this if your console is in LATIN1
  old1 <- "èéêëù"
  new1 <- "eeeeu"
  s1 <- chartr(old1, new1, s)      
}