使非 ASCII 数据适用于 CRAN

Question

我有一些包含非 ASCII 字符的数据，我想将其作为 rda 文件包含在 R 包中。当我在包上运行 R CMD check 时，我收到警告：

Warning: found non-ASCII strings

这会阻止它在 CRAN 上被允许。

关于removing non-ASCII characters from data files 有一个类似的问题，但我想保留非 ASCII 字符。

您可以获取 CSV 数据here。我正在将其读入 R 并使用以下代码重新保存为 rda：

english_monarchs <- read.csv(
  wherever_you_downloaded_the_file_to, 
  fileEncoding     = "utf8",
  na.strings       = ""
)
save(english_monarchs, "english_monarchs.csv")

这是包含非 ascii 值的数据集的 name 列。

head(levels(english_monarchs$name))
## [1] "Adda"                                "Æðelbehrt"                          
## [3] "Æðelberht I"                         "Æðelberht II and Eardwulf"          
## [5] "Æðelberht II, Ælfric and Eadberht I" "Æðelberht III"

根据编写 R 扩展的 Encoding Issues 部分中的（不是很清楚）指导，我认为我应该将因子级别编码为 UTF-8，但显而易见的方法不起作用：

Encoding(levels(english_monarchs$name)) <- "utf8"  #each encoding still "unknown"

如何使数据具有足够的可移植性以在 CRAN 上被接受？

Answer 1

对我有用的事情是将编码声明为"latin1"，然后使用iconv 转换为UTF-8。

Encoding(levels(english_monarchs$name)) <- "latin1"
levels(english_monarchs$name) <- iconv(
  levels(english_monarchs$name), 
  "latin1", 
  "UTF-8"
)