如何在R中的Unicode字符串中找到“实际”数量的字符

Question

我知道如何在R中查找非Unicode字符串的长度。

nchar("ABC")

（感谢在这里回答问题的每个人：如何在R中找到字符串的长度？）。

但是Unicode字符串呢？

如何在Unicode字符串中找到字符串的长度（字符串中的字符数）？如何在R中的Unicode字符串中找到长度（以字节为单位）和字符数（符文，符号）？

Answer 1

您可以使用nchar的数量characters和的数量bytes：

nchar("bi\u00dfchen", type="chars")
#[1] 7
nchar("bi\u00dfchen", type="bytes")
#[1] 8

实际上，在帮助中，您可以找到有关如何计算字符串大小的详细信息：

字符串的“大小”可以通过以下三种方式之一进行测量（对应于type参数）：
bytes
存储字符串所需的字节数（在C中加上一个不计入最后一个终止符）。 字符
可读字符的数量。
width
cat将用于以等宽字体打印字符串的列数。如果无法计算，则与char相同。

如果您想知道字符串中可能包含（或可能不包含）unicode的“符号”数（即不解释 unicode符号），则可以使用stri_escape_unicodepackage中的function stringi：

library(stringi)
nchar(stri_escape_unicode("bi\u00dfchen")) # same as stri_length(stri_escape_unicode("bi\u00dfchen"))
# [1] 12