使用 R 转换文件编码？ （ANSI 到 UTF-8）

Posted 2023-02-24

【中文标题】使用 R 转换文件编码？ （ANSI 到 UTF-8）

【英文标题】：Convert a file encoding using R? (ANSI to UTF-8)

【发布时间】：2011-11-20 20:39:43

【问题描述】：

我希望使用 R 将一个以 ANSI 编码的 html 文件转换为 UTF-8。

是否有工具或工具组合可以完成这项工作？

谢谢。

编辑：好的，我已将问题缩小到另一个问题。此处转载：Using "cat" to write non-English characters into a .html file (in R)

【参考方案1】：

你可以使用iconv：

writeLines(iconv(readLines("tmp.html"), from = "ANSI_X3.4-1986", to = "UTF8"), "tmp2.html")

tmp2.html 应该是 utf-8。

---

Henrik 于 2015 年 6 月编辑： 从 cmets 中提取的 Windows 工作解决方案如下：

writeLines(iconv(readLines("tmp.html"), from = "ANSI_X3.4-1986", to = "UTF8"), 
           file("tmp2.html", encoding="UTF-8"))

2021 年更新：如果 ANSI 是当前语言环境，则以下方法也有效（即，使用本地编码作为 from 源）：

writeLines(iconv(readLines("tmp.html"), from = "", to = "UTF8"), 
           file("tmp2.html", encoding="UTF-8"))

【讨论】：

但是 html 标题呢？也不应该改吗？

感谢 Kohske，但这对我不起作用。它将转换文件中的文本，但以某种奇怪的方式，而不是文件本身。我用notepad++看编码的时候还是ANSI，只有通过notepad++才能改成UTF8（你的代码不会这样）。有什么建议？ :)

换个from = "CP1252"怎么样？

Kohske - 这确实是要使用的正确编码。但是当我将文件读入 R 时，它会正确解释文本。我会尝试更新我的问题以更好地解释...

您的测试 html 文件包含什么？来自?Encoding：“ASCII 字符串永远不会用声明的编码进行标记，因为它们的表示在所有支持的编码中都是相同的。”也可以在对writeLines 的调用中尝试useBytes = TRUE。

【参考方案2】：

我对上面提出的解决方案有一些问题，尤其是 TAB 字符。这种选择从未让我失望。不幸的是，它只适用于类 UNIX 系统。

system('iconv -f CP1252 -t UTF-8 < tmp.html > tmp2.html')