替换特殊字符不适用于 gsub答案

【问题标题】：Replacing a special character does not work with gsub替换特殊字符不适用于 gsub
【发布时间】：2019-05-09 16:18:24
【问题描述】：

我有一个包含许多字符串的表，其中包含一些我想用“原始”字符替换的奇怪字符。 Ä 变成了 Ã¤，ö 变成了 Ã¶，所以我将文本中的每个 Ã¶ 替换为 ö。它可以工作，但是，ß 变成了 Ã ，我无法替换它...

# Works just fine:
gsub('Ã¶', 'REPLACED', "Testing string Ã¶")


# this does not work
gsub("Ã<U+009F>", "REPLACED", "Testing string Ã<U+009F> ")

# this does not work as well...
gsub("â<U+0080><U+0093>", "REPLACED", "Testing string â<U+0080><U+0093> ")

如何告诉 R 用我想插入的字母替换这些部分？

【问题讨论】：

一些建议：奇怪的字符显然是由于一些编码问题。在读取文件时处理这个问题可能是值得的，而不是稍后使用正则表达式。您可以为此使用readr 的软件包。使用guess_encoding("file.txt") 查找编码，然后使用read_csv("file.txt", locale = locale(encoding = "ISO-8859-1")) 导入，其中“ISO-8859-1”可以换成guess_encoding 建议的任何编码（“ISO-8859-1”只是一个建议，因为变音）。

标签： r gsub stringr

【解决方案1】：

由于有元字符（+ - 表示一个或多个），为了从字面上评估它，要么转义（如解决方案中提到的@boski）或使用fixed = TRUE

sub("Ã<U+009F>", "REPLACED", "Testing string Ã<U+009F> ", fixed = TRUE)
#[1] "Testing string REPLACED "

【讨论】：

【解决方案2】：

您必须转义 + 符号，因为它是 regex 命令。

> gsub("Ã<U\\+009F>", "REPLACED", "Testing string Ã<U+009F> ")
[1] "Testing string REPLACED "

> gsub("â<U\\+0080><U\\+0093>", "REPLACED", "Testing string â<U+0080><U+0093> ")
[1] "Testing string REPLACED "

【讨论】：