我正在处理包含印地语文本的文件并解析它们。我在 Rstudio 中编写了我的代码并执行它没有很多问题。但是现在，我需要使用 R.exe/Rscript.exe 从命令行执行相同的脚本，但它的工作方式不同。我从 RStudio 和终端运行了一个简单的脚本:
n_p<-'नाम'
Encoding(n_p)
gregexpr(n_p,c('adfdafc','नाम adsfdfa'))
sessionInfo()
RStudio 中的输出:
> n_p<-'नाम'
>
> Encoding(n_p)
[1] "UTF-8"
>
> gregexpr(n_p,c('adfdafc','नाम adsfdfa'))
[[1]]
[1] -1
attr(,"match.length")
[1] -1
[[2]]
[1] 1
attr(,"match.length")
[1] 3
> sessionInfo()
R version 3.5.0 (2018-04-23)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows 7 x64 (build 7600)
Matrix products: default
locale:
[1] LC_COLLATE=English_India.1252 LC_CTYPE=English_India.1252
[3] LC_MONETARY=English_India.1252 LC_NUMERIC=C
[5] LC_TIME=English_India.1252
attached base packages:
[1] stats graphics grDevices utils datasets methods base
other attached packages:
[1] rJava_0.9-10
loaded via a namespace (and not attached):
[1] compiler_3.5.0 tools_3.5.0
在 cmd 中使用 R.exe 输出(出于调试目的。Rscript.exe 提供类似的输出，如果不完全相同)
> n_p<-'à☼"à☼_à☼r'
>
> Encoding(n_p)
[1] "latin1"
>
> gregexpr(n_p,c('adfdafc','à☼"à☼_à☼r adsfdfa'))
[[1]]
[1] -1
attr(,"match.length")
[1] -1
[[2]]
[1] 1
attr(,"match.length")
[1] 9
> sessionInfo()
R version 3.5.0 (2018-04-23)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows 7 x64 (build 7600)
Matrix products: default
locale:
[1] LC_COLLATE=English_India.1252 LC_CTYPE=English_India.1252
[3] LC_MONETARY=English_India.1252 LC_NUMERIC=C
[5] LC_TIME=English_India.1252
attached base packages:
[1] stats graphics grDevices utils datasets methods base
loaded via a namespace (and not attached):
[1] compiler_3.5.0
我试过改变语言环境，但
Sys.setlocale拒绝正常工作。在某些情况下，gregexpr无法解析非 ASCII 代码时会出错。最后，当它运行没有错误时，它不能正确匹配正则表达式。我目前无法提供可重现的示例，但我稍后会尝试。帮助。
最佳答案
正确的答案是您应该使用 --encoding=file encoding 选项运行 Rscript
无需设置语言环境，而且您可能已经发现，它无论如何都不起作用。如果您的文件是 UTF-8:
Rscript.exe --encoding=UTF-8 文件.R
关于r - 带有 utf-8 文本的脚本与 Windows 中的 RStudio 和命令行的运行方式不同，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/50761765/