从 R 写入 UTF-8 文件

Question

虽然 R 似乎在内部可以很好地处理 Unicode 字符，但我无法在 R 中输出具有此类 UTF-8 Unicode 字符的数据帧。有什么办法可以强制执行吗？

data.frame(c("hīersumian","ǣmettigan"))->test
write.table(test,"test.txt",row.names=F,col.names=F,quote=F,fileEncoding="UTF-8")

输出文本文件内容如下：

hiersumian <U+01E3>mettigan

我在 Windows 环境（Windows 7）中使用 R 版本 3.0.2。

编辑

---

答案中指出，R 正在以 UTF-8 正确写入文件，问题出在我用来查看文件的软件上。这是我在 R 中执行所有操作的一些代码。我正在读取以 UTF-8 编码的文本文件，并且 R 可以正确读取它。然后 R 以 UTF-8 格式写出文件并再次读入，现在正确的 Unicode 字符消失了。

read.table("myinputfile.txt",encoding="UTF-8")->myinputfile
myinputfile[1,1]
write.table(myinputfile,"myoutputfile.txt",row.names=F,col.names=F,quote=F,fileEncoding="UTF-8")
read.table("myoutputfile.txt",encoding="UTF-8")->myoutputfile
myoutputfile[1,1]

控制台输出：

> read.table("myinputfile.txt",encoding="UTF-8")->myinputfile
> myinputfile[1,1]
[1] hīersumian
Levels: hīersumian ǣmettigan
> write.table(myinputfile,"myoutputfile.txt",row.names=F,col.names=F,quote=F,fileEncoding="UTF-8")
> read.table("myoutputfile.txt",encoding="UTF-8")->myoutputfile
> myoutputfile[1,1]
[1] <U+FEFF>hiersumian
Levels: <U+01E3>mettigan <U+FEFF>hiersumian
> 

Answer 1

这个“答案”的目的是澄清幕后发生了一些奇怪的事情：

“hīersumian”似乎甚至没有进入数据框。 “ī”符号在所有情况下都会转换为“i”。

options("encoding" = "native.enc")
t1 <- data.frame(a = "hīersumian ")
t1
#             a
# 1 hiersumian 

options("encoding" = "UTF-8")
t1 <- data.frame(a = "hīersumian ")
t1
#             a
# 1 hiersumian 

options("encoding" = "UTF-16")
t1 <- data.frame(a = "hīersumian ")
t1
#             a
# 1 hiersumian 

以下序列成功将“ǣmettigan”写入文本文件：

t2 <- data.frame(a = "ǣmettigan")

getOption("encoding")
# [1] "native.enc"

Encoding(t2[,"a"]) <- "UTF-16"

write.table(t2,"test.txt",row.names=F,col.names=F,quote=F)

它不适用于“编码”为“UTF-8”或“UTF-16”，并且指定“fileEncoding”将导致缺陷或无输出。

有点令人失望，因为到目前为止我设法以某种方式解决了所有 Unicode 问题。

Answer 2

我可能缺少一些特定于操作系统的内容，但是

data.table

似乎对此没有问题（或者更可能是对 R 内部结构的更新，因为这个问题最初是提出的）：

t1 = data.table(a = c("hīersumian", "ǣmettigan"))
tmp = tempfile()
fwrite(t1, tmp)
system2('cat', tmp)
# a
# hīersumian
# ǣmettigan
fread(tmp)
#             a
# 1: hīersumian
# 2:  ǣmettigan

Answer 3

我发现一篇博客文章基本上说明了它的 Windows 文本编码方式。帖子中有更多详细信息。用户应该使用

以二进制形式写入文件

writeBin（charToRaw（x），con，endian =“小”）

https://tomizonor.wordpress.com/2013/04/17/file-utf8-windows/