带有 utf-8 文本的脚本与 Windows 中的 RStudio 和命令行的运行方式不同

Question

我正在处理包含印地语文本的文件并解析它们。我在 Rstudio 中编写了我的代码并执行它没有很多问题。但是现在，我需要使用 R.exe/Rscript.exe 从命令行执行相同的脚本，但它的工作方式不同。我从 RStudio 和终端运行了一个简单的脚本：

n_p<-'???'

Encoding(n_p)

gregexpr(n_p,c('adfdafc','??? adsfdfa'))
sessionInfo()

RStudio 中的输出：

> n_p<-'???'
> 
> Encoding(n_p)
[1] "UTF-8"
> 
> gregexpr(n_p,c('adfdafc','??? adsfdfa'))
[[1]]
[1] -1
attr(,"match.length")
[1] -1

[[2]]
[1] 1
attr(,"match.length")
[1] 3

> sessionInfo()
R version 3.5.0 (2018-04-23)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows 7 x64 (build 7600)

Matrix products: default

locale:
[1] LC_COLLATE=English_India.1252  LC_CTYPE=English_India.1252   
[3] LC_MONETARY=English_India.1252 LC_NUMERIC=C                  
[5] LC_TIME=English_India.1252    

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
[1] rJava_0.9-10

loaded via a namespace (and not attached):
[1] compiler_3.5.0 tools_3.5.0   

在 cmd 中使用 R.exe 输出（出于调试目的。Rscript.exe 提供类似的输出，如果不完全相同）

> n_p<-'à?"à?_à?r'
>
> Encoding(n_p)
[1] "latin1"
>
> gregexpr(n_p,c('adfdafc','à?"à?_à?r adsfdfa'))
[[1]]
[1] -1
attr(,"match.length")
[1] -1

[[2]]
[1] 1
attr(,"match.length")
[1] 9

> sessionInfo()
R version 3.5.0 (2018-04-23)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows 7 x64 (build 7600)

Matrix products: default

locale:
[1] LC_COLLATE=English_India.1252  LC_CTYPE=English_India.1252
[3] LC_MONETARY=English_India.1252 LC_NUMERIC=C
[5] LC_TIME=English_India.1252

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base

loaded via a namespace (and not attached):
[1] compiler_3.5.0

我曾尝试更改语言环境，但Sys.setlocale拒绝正常工作。在某些情况下，gregexpr当它无法解析非 ASCII 代码时会出错。最后，当它运行没有错误时，它不能正确匹配正则表达式。我目前无法提供可重现的示例，但我稍后会尝试。

帮助。

Answer 1

正确的答案是您应该使用选项 --encoding=文件编码 运行 Rscript

无需设置区域设置，而且您可能发现，它无论如何都不起作用。如果您的文件是 UTF-8： Rscript.exe --encoding=UTF-8 file.R

Answer 2

您需要确保 R 在合适的语言环境中运行：

运行 rterm use:Sys.getlocale()来查找您当前的语言环境。

您可以使用以下方法设置您的区域设置：

Sys.setlocale(category = "LC_ALL", locale = "hi-IN")

# Try "hi-IN.UTF-8" too...

您可以在此处、MSDN和此处找到区域设置名称。

如果您有正确的值，请将Sys.setlocale()命令放入您的~/.Rprofile.

参考

• https://cran.r-project.org/bin/windows/base/rw-FAQ.html
• http://withr.me/configure-character-encoding-for-r-under-linux-and-windows/