r - R：将错误显示的外来字符转换为正确的编码（双mojibake）

Question

在 R 中，我有这样的向量：

TEST <- c("BlAA¶schl, G", "ThAA¶ni, A.")

其中BlAA¶schl应该是Blöschl，ThAA¶ni应该是Thöni。

整个数据集都存在类似的问题。我不知道它是如何命名的（也许是“非 ASCII 字符”？）。

基于此响应，其他人似乎已成功尝试此代码：

Encoding(TEST) <- 'latin1'
stringi::stri_trans_general(TEST, 'Latin-ASCII')

但就我而言，没有任何改变。

我该怎么做才能将字符转换AA¶为ö？

---

编辑：关键问题似乎是JosefZ在评论中提到的“双重mojibake ” 。

编辑 2：我发现这个“ UTF-8 字符调试工具”包含actual和expected列中的一些（不是全部）问题。此外，GitHub 上的这个“编码修复器”似乎提供了我需要的东西，但它不是用 R 编写的。

标签： rencodingutf-8stringrstringi

Answer 1

可能会有更好、更高效和自动化的解决方案。

但是我手动尝试了：我查看了所有“mojibakes”并gsub手动更改了它们：

TEST <- c("BlAA¶schl, G", "ThAA¶ni, A.")

TEST <- gsub("ö", "ö", TEST)
TEST <- gsub("ü", "ü", TEST)
TEST <- gsub("ž", "z", TEST)
TEST <- gsub("á", "á", TEST)
TEST <- gsub("ä", "ä", TEST)
TEST <- gsub("ć&quot;, "ć", TEST)
TEST <- gsub("Ã", "Á", TEST)
TEST <- gsub("ß", "ß", TEST)
TEST <- gsub("ã", "ã", TEST)
TEST <- gsub("é", "é", TEST)
TEST <- gsub("Ä", "č", TEST)

它可以工作，但如果数据集太大，总是存在省略某些字符的风险。