r - 来自不同数据文件的相同字符串在 R 中不匹配

Question

我正在做一些文件合并，但两个文件不会 - 尽管有一个匹配的键列（我实际上是通过从另一个键列复制粘贴来生成一个键列）。这是最糟糕的事情，我担心我要么发疯，要么错过一些基本的东西。举个例子（我不知道如何使它可重现，因为当我将这些字符串复制并粘贴到新对象中时，它们比较好），这是我当前的控制台：

> q
[1] "1931 80th Anniversary"
> z
[1] "1931 80th Anniversary"
> q == z
[1] FALSE

我对两者都进行了测试，以防万一我错过了什么，并且...

> str(q)
 chr "1931 80th Anniversary"
> str(z)
 chr "1931 80th Anniversary"

这里会发生什么？

标签： rstring-matching

Answer 1

这是一个很棒的谜题。回答 - 诊断问题，charToRaw()就是答案。

> charToRaw(q)
 [1] 31 39 33 31 c2 a0 38 30 74 68 c2 a0 41 6e 6e 69 76 65
[19] 72 73 61 72 79
> charToRaw(z)
 [1] 31 39 33 31 20 38 30 74 68 20 41 6e 6e 69 76 65 72 73
[19] 61 72 79

哦！不同的！它似乎在于编码，鉴于这些都是我加载的普通 ole' CSV，我永远不会猜到，但是

> Encoding(q)
[1] "UTF-8"
> Encoding(z)
[1] "unknown"

最后，我使用iconv()了 q 让它工作

> iconv(q, from = 'UTF-8', to = 'ASCII//TRANSLIT') == z
[1] TRUE

这是一段奇怪的旅程，我希望这可以帮助像我一样困惑的其他人 - 他们在此过程中学习了一些新功能。