【发布时间】：2012-06-24 12:29:44
【问题描述】：
我尝试在下面编写可重现的示例。它是 .Rmd 和 .r 的混合体。希望你能明白为什么。
我遇到的问题是非英文字符的处理方式不同，具体取决于代码是直接在控制台中运行还是在针织为 HTML 时运行。
在下面的示例中，我创建了一个带有字符 ü 和 ö 的小型 data.frame，将其写入 csv，然后再次读回。
如果写入和读取都发生在块的内部或外部，那么一切都很好。
但是，如果写入和读取发生在不同的地方，则使用不同的编码（我认为）。和字符混淆。
这意味着在读取数据时，编译 .Rmd 文件时需要与直接在 R 中工作时不同的编码。
据我所知，语言环境总是相同的，所以我不明白发生了什么。
有什么想法吗？
直接读写csv创建新数据文件
df2 <- data.frame(Cäl1 = c(1,2), Col2 = c("ü","a"))
write.csv(df2, file="df2.csv")
read.csv("df2.csv")
Sys.getlocale(category = "LC_ALL")
现在尝试编织整个文档（只是运行块的行为不同）
```{r read_inside}
read.csv("df2.csv")
Sys.getlocale(category = "LC_ALL")
```
第二个块会起作用，因为 data.frame 是在块内创建的
```{r write_read_inside}
df2 <- data.frame(Cäl1 = c(1,2), Col2 = c("ü","a"))
write.csv(df2, file="df2.csv")
read.csv("df2.csv")
Sys.getlocale(category = "LC_ALL")
```
会话信息：
R version 2.15.0 (2012-03-30)
Platform: x86_64-pc-mingw32/x64 (64-bit)
locale:
[1] LC_COLLATE=English_United Kingdom.1252 LC_CTYPE=English_United Kingdom.1252 LC_MONETARY=English_United Kingdom.1252
[4] LC_NUMERIC=C LC_TIME=English_United Kingdom.1252
attached base packages:
[1] stats graphics grDevices utils datasets methods base
loaded via a namespace (and not attached):
[1] tools_2.15.0
【问题讨论】：
-
我尝试了您的示例，但无法确认您找到了什么（Windows 7，德语）。如果您可以发布 sessionInfo() （还包含语言环境）会很好，问题可能是特定于平台的。
-
Windows 在编码方面简直就是地狱。 *nix 经常一致地使用 UTF-8。您可能可以尝试使用 UTF-8 编码来保存您的数据，例如
write.csv(..., fileEncoding = 'UTF-8')（未测试） -
感谢@Yihui，添加 ", fileEncoding = 'UTF-8'" 确实解决了问题。在我的系统上似乎在编织时默认使用 UTF-8，但在其他情况下不使用。我必须将我的数据文件转换为“UTF-8 without BOM”，然后确保在读取 csv 时始终使用 UTF-8。
-
@Andrew 实际上另一种方式（更自然）是在您的 R 代码中使用
options(encoding = 'native.enc')，但我仍然建议始终使用 UTF-8。