Plik wyjściowy pliku UTF-8 w R

Question

Używam wersji 2.15.0 w systemie Windows 7 w wersji 64-bitowej. Chciałbym wypisać tekst Unicode (CJK) do pliku.

Poniższy kod pokazuje jak Unicode wysyłane pisać na UTF-8 połączenia plików nie działa jak (I) oczekuje:

rty <- file("test.txt",encoding="UTF-8") 
write("在", file=rty) 
close(rty) 
rty <- file("test.txt",encoding="UTF-8") 
scan(rty,what=character()) 
close(rty) 

Jak pokazano przez wyjście skanowania:

Read 1 item 
[1] "<U+5728>" 

Plik nie został napisany z samym znakiem UTF, ale z pewnym zastępczym zgodnym z ANSI. Czy mogę sprawić, aby działał poprawnie za pierwszym razem (tzn. Z plikiem tekstowym, który zamiast tego zawiera "在"), czy mogę wykonać dodatkową magię, aby przekonwertować wyjście do Unicode z odpowiednim znakiem zastępującym ciąg znaków?

Dzięki.

[Więcej informacji: ten sam kod zachowuje się odpowiednio w Cygwin, R 2.14.2, a 2.14.2 na Win7 również jest uszkodzony. Jest to na moim końcu gdzieś?]

Answer 1

Zapisuje UTF-8 ciągi w pliku tekstowego:

kLogFileName <- "parser.log" 
log <- function(msg="") { 
    con <- file(kLogFileName, "a") 
    tryCatch({ 
    cat(iconv(msg, to="UTF-8"), file=con, sep="\n") 
    }, 
    finally = { 
    close(con) 
    }) 
} 

Answer 2

myślę, że mają problemy z powodu write jest tak skonstruowana, że ​​ma nazwę obiektu i nie wydaje się mieć zbudować takiej nazwie obiektu. Spróbuj tego zamiast:

txt <- "在" 
rty <- file("test.txt",encoding="UTF-8") 
write(txt, file=rty) 
close(rty) 
rty <- file("test.txt",encoding="UTF-8") 
inp <- scan(rty,what=character()) 
#Read 1 item 
close(rty) 
inp 
#[1] "在" 

Answer 3

Mam taki problem z ciągami UTF-8, które pochodzą z DB.

Jedynym sposobem, jaki udało mi się zapisać, to zapisanie pliku w trybie binarnym.

F <- file(file.name, "wb") 
    tryCatch({ 
    writeBin(charToRaw(the_utf8_str), F) 
    }, 
    finally = { 
    close(F) 
    }) 

Answer 4

Problem jest ze względu na niektóre R-Okna specjalny zachowanie (przy użyciu kodowania domyślnego systemu/lub za pomocą jakiegoś zapisu systemu funkcje, nie znam szczegółów, ale zachowanie jest faktycznie znane)

Aby napisać kodowanie UTF8 w systemie Windows, należy użyć opcji useBytes=T w funkcjach li ke writeLines lub readLines:

txt <- "在" 
writeLines(txt, "test.txt", useBytes=T) 

readLines("test.txt", encoding="UTF-8") 
[1] "在"