R 无法识别的字符串值

Question

我有一个字符串向量，其中一些值是越南语，用 UTF-8 编码编写。

> so_wrong
 [1] "Thiết bị & dịch vụ"     "Quản lý"               
 [3] "Hãng"                   "Thời tiết"             
 [5] "Lý do khác"             "Tàu bay về muộn"       
 [7] "Kỹ thuật"               "Thương mại"            
 [9] "Khai thác"              "Quản lý, điều hành bay"
[11] " "                     

我想删除另一个包含最后两个值的向量：“Quản lý, điều hành bay”和“”。但 R 无法识别它们。

> any(so_wrong == " ")
[1] FALSE
> any(so_wrong == "Quản lý, điều hành bay")
[1] FALSE

...即使在这些命令中输入的值也正是向量中的值（我将它们复制粘贴进去）。另一方面，这项工作：

> any(so_wrong == so_wrong[11])
[1] TRUE

问题是什么以及如何解决/解决它？

编辑：编码

> Encoding(so_wrong)
 [1] "UTF-8"  "UTF-8"  "latin1" "UTF-8"  "UTF-8"  "UTF-8"  "UTF-8" 
 [8] "UTF-8"  "latin1" "UTF-8"  "UTF-8" 

编辑：我将矢量保存到 csv 并将其推送到 here

Answer 1

我将那个有问题的字符串（“Quản lý, điều hành bay”）复制到 R，分配给一个对象，检查逻辑相等，结果没问题。

> so_wrong <- "Quản lý, điều hành bay"
> so_wrong == "Quản lý, điều hành bay"
[1] TRUE

我认为问题在于您的编码选项。你可以尝试两件事：

• 将编码选项显式设置为 utf-8：

  选项(encoding="utf-8")

顺便说一下，我的编码选项是“native.enc”

> getOption("encoding")
[1] "native.enc"

你也可以试试看。

• 如果从文件中读取，您可以设置输入的编码。来自 read.table 的手册页：

read.table(file, header = FALSE, sep = "", quote = "\"'", dec = ".", numerics = c("allow.loss", "warn.loss", "no.loss"), row.names, col.names, as.is = !stringsAsFactors, na.strings = "NA", colClasses = NA, nrows = -1, 跳过 = 0，check.names = TRUE，填充 = !blank.lines.skip， strip.white = FALSE，blank.lines.skip = TRUE， 评论.char = "#", allowEscapes = FALSE，flush = FALSE， stringsAsFactors = default.stringsAsFactors(), fileEncoding = "", encoding = "unknown", text, skipNul = FALSE)

因此您可以在 read.table 中将编码显式设置为“utf-8”。