R:如何去除字符串中的问号 block ？

Question

我有一个 vector，其中包含来自单独的 data frame 的一堆 Company Name 观察值。我使用 vector 来查看 data frame 中所有唯一公司名称的列表，然后对其进行清理(更正拼写错误、更改/删除名称来自合并等)。由于 data 的性质不允许丝般顺畅的清理过程，因此重命名是逐行完成的(即硬编码)。我遇到了一个奇怪的问题，我不确定如何解决。

有几家公司的名称涉及某些特殊字符，如“ñ”、“ü”、“é”等。从 View 查看这个 vector > 窗口，这些观察结果旁边也有一个相同的条目，只是用一个奇怪的问号 block 代替了那些字母。例如:

Company_Name

SES (Société Européenne des Satellites (SES))
SES (Soci�t� Europ�enne des Satellites (SES))

最初，我用这样一行代码来修复拼写错误:

dataframe$Company_Name[which(dataframe$Company_Name == "SES (Société Européenne des Satellites (SES))" | dataframe$Company_Name == "SES (Soci\xe9t\xe9 Europ\xe9enne des Satellites (SES))"] <- "SES S.A."

您在带有重音符号“e”的名称后看到的替代名称是带有问号 block 的名称。我通过调用出现问题阻止名称的矢量的特定行(即 vector[32] )，并将输出物理复制并粘贴到代码中，获得了替代名称。

理想情况下，清理完成后 vector 最终看起来像这样:

Company_Name

SES S.A.

但是，它没有删除问号 block ，而是保留了它们:

Company_Name

SES S.A.
SES (Soci�t� Europ�enne des Satellites (SES))

有没有人遇到过类似的问题？我检查了问题是否出在拼写上，但这似乎不是问题所在。非常感谢任何帮助。

(注意:我对特定软件包没有偏好 - 所有选项都在桌面上!)

Answer 1

这可能是一个编码问题。

查看带有问号的行的编码:

Encoding(Company_Name)

对于法语句子，你应该设置编码如下:

Encoding(Company_Name)<-'latin1'