R/RStudio 中文本编码可能出现的问题

Question

当我使用 read_csv 读取 .csv 文件时遇到一个奇怪的问题。恐怕我认为我无法生成一个可重现的示例，因为问题可能涉及我当前的 R/RStudio 会话以及它们在读取文件时如何交互，需要文件和类似的设置。 我不确定，但我倾向于文本编码不匹配的一些问题，但我对此知之甚少，因此我寻求堆栈溢出蜂巢思维的高级建议。

无论如何，这就是我的行为。

该标题名为“fl”，包含美国所有行政区的 FIPS 代码。我以阿拉斯加的“人口普查区”为例，但同一标题中还有其他类似的情况。

以下会产生合理的输出。

> fl %>% filter(str_detect(fl$NAME, 'Hoonah'))
# A tibble: 1 × 6
  FIPS  NAME                      STATEFPn COUNTYFPn STATEFP COUNTYFP
  <chr> <chr>                        <int>     <int> <chr>   <chr>   
 1 02105 Hoonah–Angoon Census Area        2       105 02      105     

但是，如果我执行以下操作，通过在控制台提示符下输入整个名称，我什么也得不到。

> fl %>% filter(NAME=='Hoonah-Angoon Census Area')
 # A tibble: 0 × 6
 # … with 6 variables: FIPS <chr>, NAME <chr>, STATEFPn <int>, COUNTYFPn > <int>, STATEFP <chr>,
 #   COUNTYFP <chr>
 # ℹ Use `colnames()` to see all variable names

但是，如果我从第一个输出中复制并粘贴，它就会起作用并且我得到了这个。

> fl %>% filter(NAME=='Hoonah–Angoon Census Area')
# A tibble: 1 × 6
  FIPS  NAME                      STATEFPn COUNTYFPn STATEFP COUNTYFP
  <chr> <chr>                        <int>     <int> <chr>   <chr>   
1 02105 Hoonah–Angoon Census Area        2       105 02      105     

我有一些怀疑，这与我的 RStudio 会话和文件中的内容之间的某种字符编码问题/不匹配有关，尽管事实是，据我所知，文件（由guess_encoding()检查）和我的会话（如“文件：使用编码保存”中设置，然后使用“文件：使用编码重新打开”）都读取“UTF-8”。

对正在发生的事情有什么想法吗？

Answer 1

您的问题与编码没有太大关系，即使使用相同的编码，也有一些字符看起来与眼睛相似，但有所不同。 在你的情况下，破折号。 在第一种情况下，您有一个连字符，在第二种情况下，您有一个破折号。

fl$NAME <- gsub("–", "-", fl$NAME)

以下内容会将文本中的破折号转换为连字符，因此您可以像以前一样自由键入连字符，并且它应该匹配。