我正在尝试将 .sav 文件读入 RStudio。该文件包含来自西类牙语调查的数据,当我将其读入 R 时——即使我的默认文本编码已经设置为 ISO-8859-1——特殊字符的显示是不正确的。
例如,单词“Camión”显示为
"Cami<c3><b3>n"
即使它在 PSPP 中正确显示为“Camión”。
这就是我所做的:
install.packages("memisc")
jcv2014 <- as.data.set(spss.system.file('myfile.sav'))
后来,我想创建一个仅包含变量标签的列表,因此我执行了以下操作:
library(foreign)
jcv2014.spss <- read.spss("myfile.sav", to.data.frame=FALSE, use.value.labels=FALSE)
jcv2014_vars <- attr(jcv2014.spss, "variable.labels")
(我不确定这是否是最好的方法,但它有效)
无论如何,这一次,我仍然没有得到正确的口音,但有一种不同的编码:
一个应该是“¿Qué calificación le daría...”的变量标签反而显示为
"\302\277Qu\303\251 calificaci\303\263n le dar\303\255a..."
我不确定如何获得正确的字符,但它们在 PSPP 中正确显示。我尝试将 R 中的默认文本编码更改为 ISO-8859-1 和 UTF-8,但无济于事。我不知道原始文件是用什么编码的,但我猜它会是其中之一。
有任何想法吗?
如果有帮助,我有 R 版本 3.1.1 和 OS X Yosemite 版本 10.10.1,而且我使用的是 PSPP,而不是 SPSS。
非常感谢提前!!!
最佳答案
读入数据后,您可以设置编码吗?
# Here's your sentence
s <- "\302\277Qu\303\251 calificaci\303\263n le dar\303\255a..."
# it has no encoding
Encoding(s)
# [1] "unknown"
# but if you specify UTF-8, then it shows up correctly
iconv(s, 'UTF-8')
# [1] "¿Qué calificación le daría..."
# This also works
Encoding(s) <- 'UTF-8'
s
# [1] "¿Qué calificación le daría..."
这是我的
sessionInfo()
的结果称呼。你也应该发布你的。> sessionInfo()
R version 3.1.1 (2014-07-10)
Platform: x86_64-apple-darwin13.1.0 (64-bit)
locale:
[1] en_US.UTF-8/en_US.UTF-8/en_US.UTF-8/C/en_US.UTF-8/en_US.UTF-8
attached base packages:
[1] stats graphics grDevices utils datasets methods base
other attached packages:
[1] reshape2_1.4 hexbin_1.27.0 ggplot2_1.0.0 data.table_1.9.2 yaml_2.1.13
[6] redshift_0.4 RJDBC_0.2-4 rJava_0.9-6 DBI_0.3.1
loaded via a namespace (and not attached):
[1] colorspace_1.2-4 digest_0.6.4 grid_3.1.1 gtable_0.1.2 labeling_0.2
[6] lattice_0.20-29 MASS_7.3-33 munsell_0.4.2 plyr_1.8.1 proto_0.3-10
[11] Rcpp_0.11.2 scales_0.2.4 stringr_0.6.2 tools_3.1.1
更新:看起来您可能没有支持 UTF-8 的语言环境。以下是我系统上每个类别的区域设置。您可以尝试使用
Sys.setLocale()
并在您的系统上一一更新它们(或者如果您觉得不需要逐一测试,只需使用 LC_ALL
)。 ?Sys.setLocale
欲了解更多信息cat_str <- c("LC_COLLATE", "LC_CTYPE", "LC_MONETARY", "LC_NUMERIC",
"LC_TIME", "LC_MESSAGES", "LC_PAPER", "LC_MEASUREMENT")
sapply(cat_str, Sys.getlocale)
# LC_COLLATE LC_CTYPE LC_MONETARY LC_NUMERIC LC_TIME LC_MESSAGES
# "en_US.UTF-8" "en_US.UTF-8" "en_US.UTF-8" "C" "en_US.UTF-8" "en_US.UTF-8"
# LC_PAPER LC_MEASUREMENT
# "" ""
关于r - R 中的非 ASCII 字符,从 .sav 文件中读取,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/27368118/