string - 如何确定口音编码？

此问题与先前的one有关如何用等效的México代码Latex替换重音字符串（如M\'{e}xico）。

我的问题在这里稍有不同。我正在使用带有字符串变量的第三方数据库，并带有上述西班牙语的重音符号。但是，编码看起来很奇怪，因为这是我得到的行为：

> grep("México",temp$dest_nom_ent)
integer(0)
> grep("Mexico",temp$dest_nom_ent)
integer(0)
> grep("xico",temp$dest_nom_ent)
[1] 18 19 20
> temp$dest_nom_ent[grep("xico",temp$dest_nom_ent)]
[2] "México" "México" "México"

其中，temp$dest_nom_ent是状态名称为México的变量。

那么，我的问题是如何将来自第三方数据库的字符串变量转换为标准R函数可以识别的编码。请注意：

> Encoding(temp$dest_nom_ent)
 [1] "unknown" "unknown" "unknown" "unknown" "unknown" "unknown" "unknown"
 [8] "unknown" "unknown" "unknown" "unknown" "unknown" "unknown" "unknown"
[15] "unknown" "unknown" "unknown" "unknown" "unknown" "unknown" "unknown"
[22] "unknown" "unknown" "unknown" "unknown" "unknown" "unknown" "unknown"
[29] "unknown" "unknown" "unknown" "unknown" "unknown" "unknown" "unknown"
[36] "unknown" "unknown" "unknown" "unknown" "unknown" "unknown" "unknown"
[43] "unknown" "unknown"

有关更多信息，请使用Windows 7 64。

> charToRaw(temp$dest_nom_ent[18])
[1] 4d e9 78 69 63 6f

该source中的哪个与Windows西班牙文（传统排序）语言环境一致。

M=4d
é=e9
x=78
i=69
c=63
o=6f

还要注意：

> charToRaw("México")
[1] 4d c3 a9 78 69 63 6f
> Encoding("México")
[1] "latin1"

我没有成功尝试以下操作（例如，grep("é",temp$dest_nom_ent)返回空向量）：

Encoding(temp$dest_nom_ent)<-"latin1"
temp$dest_nom_ent <- iconv(temp$dest_nom_ent,"","latin1")
temp$dest_nom_ent  <- enc2utf8(temp$dest_nom_ent)
...

我使用iconvlist()检查了受支持的字符集，并且支持了"WINDOWS-1252"。但是，以下内容不起作用：

> temp1 <- temp$dest_nom_ent[grep("xico",temp$dest_nom_ent)]
> temp1
[1] "México" "México" "México"
> Encoding(temp1)<-"WINDOWS-1252"
> temp1 <- iconv(temp1,"WINDOWS-1252","latin1")
> temp1
[1] "México" "México" "México"
> Encoding(temp1)
[1] "latin1" "latin1" "latin1"
> charToRaw(temp1[1])
[1] 4d e9 78 69 63 6f
> grep("é",temp1)
integer(0)

相比之下：

> temp2 <- c("México","México","México")
> temp2
[1] "México" "México" "México"
> Encoding(temp2)
[1] "latin1" "latin1" "latin1"
> charToRaw(temp2[1])
[1] 4d c3 a9 78 69 63 6f
> grep("é",temp2)
[1] 1 2 3)

试图通过蛮力找出编码，例如：

try(for(i in 1:length(iconvlist())){
    temp1 <- temp$dest_nom_ent[grep("xico",temp$dest_nom_ent)]
    Encoding(temp1)<-iconvlist()[i]
    temp1 <- iconv(temp1,iconvlist()[i],"latin1")
    print(grep("é",temp1))
    print(i)
        },silent=FALSE)

我对try函数不熟悉，但是它仍然会出错而不是忽略它，因此无法检查整个列表：

...
[1] 17
integer(0)
[1] 18
integer(0)
[1] 19
integer(0)
[1] 20
Error in iconv(temp1, iconvlist()[i], "latin1") :
  unsupported conversion from 'CP-GR' to 'latin1' in codepage 1252

最后：

> Sys.getlocale()
[1] "LC_COLLATE=English_United States.1252;LC_CTYPE=English_United States.1252;LC_MONETARY=English_United States.1252;LC_NUMERIC=C;LC_TIME=English_United States.1252"
> d<-c("México","México")
> for(i in 1:7){d1 <- str_sub(d[1],i,i); print(d1)}
[1] "M"
[1] "Ã"
[1] "©
[1] "x"
[1] "i"
[1] "c"
[1] "o"
> print(grep("é",d))
[1] 1 2

因此，看来我将不得不根据建议的here更改计算机的语言环境。另请参见here

PS：如果您想知道我如何在English_United States.1252语言环境下键入d<-c("México","México")，则方法是使用Control Panel > Clock, Language and Region > Region and Language > Keyboards and Languages > Change Keyboards设置辅助西班牙语键盘（传统排序），然后在installed services下单击添加并导航至西班牙语传统排序。然后，可以在advanced key settings下创建快捷方式来切换键盘。就我而言，Shit+Alt。因此，如果要在英语默认语言环境中键入ñ，请先执行Shift+Alt，然后依次输入;和Shift+Alt以返回英文键盘。

最佳答案

使用temp$dest_nom_ent来查看Encoding(x)和“墨西哥”的编码。您可能需要使用enc2native或enc2utf8进行转换。