十六进制代码 (\x) 和 unicode (\u) 字符有什么区别？答案

【问题标题】：What's the difference between hex code (\x) and unicode (\u) chars?十六进制代码 (\x) 和 unicode (\u) 字符有什么区别？
【发布时间】：2016-01-29 15:54:47
【问题描述】：

来自?Quotes：

\xnn   character with given hex code (1 or 2 hex digits)  
\unnnn Unicode character with given code (1--4 hex digits)

在 Unicode 字符只有一位或两位数字的情况下，我希望这些字符是相同的。事实上，?Quotes 帮助页面上的示例之一显示：

"\x48\x65\x6c\x6c\x6f\x20\x57\x6f\x72\x6c\x64\x21"
## [1] "Hello World!"
"\u48\u65\u6c\u6c\u6f\u20\u57\u6f\u72\u6c\u64\u21"
## [1] "Hello World!"

但是，在 Linux 下，当尝试打印井号时，我看到了

cat("\ua3")
## £
cat("\xa3")
## �

即\x 十六进制代码无法正确显示。（这种行为在我尝试过的任何语言环境中都存在。）在 Windows 7 下，两个版本都显示一个井号。

如果我转换为整数并返回，那么在 Linux 下井号会正确显示。

cat(intToUtf8(utf8ToInt("\xa3")))
## £

顺便说一句，这在 Windows 下不起作用，因为 utf8ToInt("\xa3") 返回 NA。

一些\x 字符在Windows 下返回NA，但在Linux 下抛出错误。例如：

utf8ToInt("\xf0")
## Error in utf8ToInt("\xf0") : invalid UTF-8 string

（"\uf0" 是一个有效字符。）

这些示例表明\x 和\u 字符形式之间存在一些差异，这似乎是特定于操作系统的，但我看不出它们是如何定义的任何逻辑。

这两种字符形式有什么区别？

【问题讨论】：

那是 C# 但它可能对你有帮助，因为它是同一个问题：stackoverflow.com/questions/32175482/…
@etienne 如果简而言之，Richie 本人会给出详细的 wiki 答案，我不会感到惊讶。
@DavidArenburg：不，他只是在推特上发了这个问题，所以他一定被难住了。 :)
@JoshuaUlrich 是的，完全被难住了。我怀疑这两件事是一样的，而且这些怪癖是错误，但我想在 R-core 咆哮之前我会问你们好人。
我认为 charToRaw 会帮助你解决这个问题

标签： r unicode hex

【解决方案1】：

转义序列\xNN 将原始字节NN 插入字符串，而\uNN 将Unicode 代码点NN 的UTF-8 字节插入UTF-8 字符串：

> charToRaw('\xA3')
[1] a3
> charToRaw('\uA3')
[1] c2 a3

这两种转义序列不能混合在同一个字符串中：

> '\ua3\xa3'
Error: mixing Unicode and octal/hex escapes in a string is not allowed

这是因为转义序列也定义了字符串的编码。 \uNN 序列将整个字符串的编码显式设置为“UTF-8”，而 \xNN 将其保留为默认的“未知”（又名原生）编码：

> Encoding('\xa3')
[1] "unknown"
> Encoding('\ua3')
[1] "UTF-8"

这在打印字符串时变得很重要，因为它们需要转换为适当的输出编码（例如，您的控制台的编码）。具有定义编码的字符串可以被适当地转换（参见enc2native），但那些具有“未知”编码的字符串只是按原样输出：

在 Linux 上，您的控制台可能需要 UTF-8 文本，并且由于 0xA3 不是有效的 UTF-8 序列，它会给您“�”。
在 Windows 上，您的控制台可能需要 Windows-1252 文本，并且 0xA3 是“£”的正确编码，这就是您所看到的。（当字符串为 \uA3 时，会发生从 UTF-8 到 Windows-1252 的转换。）

如果显式设置了编码，则会在 Linux 上进行适当的转换：

> s <- '\xa3'
> Encoding(s) <- 'latin1'
> cat(s)
£

【讨论】：