Unicode絵文字を正しく読み込むR

Question

テキストと絵文字の両方を含むFacebookからのコメント（Sprinkrのようなシステム経由で引っ張られている）があり、Rでさまざまな分析を実行しようとしていますが絵文字を正しく摂取することが難しくなります。例えば

：私はこのような何かを含むメッセージ行を持つことになります（UTF-8でエンコード）.CSVを持っている：

「これは正しいです、それは真実ではないと言うて下さい！？！？！今

library(tidyverse) 
library(janitor) 
raw.fb.comments <- read_csv("data.csv", 
          locale = locale(encoding="UTF-8")) 
fb.comments <- raw.fb.comments %>% 
    clean_names() %>% 
    filter(senderscreenname != "Reese's") %>% 
    select(c(message,messagetype,sentiment)) %>% 
    mutate(type = "Facebook") 
fb.comments$message[5] 
[1] "IS THIS CORRECT!?!?! Please say it isn't true!!! Our family only eats the original Reeses Peanut Butter Cups\xf0\u009f\u0092\u009a\xf0\u009f\u0092\u009a\xf0\u009f\u0092\u009a\n\n" 

、私は他のソースから理解して何から、私は変換する必要があります!!!私たちの家族は、私は、次のようにRにそれを摂取する「

を元リーセスピーナッツバターカップを食べますこのUTF-8をASCIIに変換して、他の絵文字リソースとリンクすることができます（l私は素晴らしいemojidictionary）。作業に参加するようにするには、私はR-エンコーディングにこれを取得する必要があり、このような何か：

<e2><9d><a4><ef><b8><8f> 

しかし、（iconvを使用して）通常のステップを追加すると、そこに私を取得できません：

fb.comments <- raw.fb.comments %>% 
    clean_names() %>% 
    filter(senderscreenname != "Reese's") %>% 
    select(c(message,messagetype,sentiment)) %>% 
    mutate(type = "Facebook") %>% 
    mutate(message = iconv(message, from="UTF-8", to="ascii",sub="byte")) 
fb.comments$message[5] 
[1] "IS THIS CORRECT!?!?! Please say it isn't true!!! Our family only eats the original Reeses Peanut Butter Cups<f0><9f><92><9a><f0><9f><92><9a><f0><9f><92><9a>\n\n" 

誰かが私に不足していることを私に照らしたり、別の絵文字マッピングリソースを見つける必要がありますか？ありがとう！

Answer 1

目標は本当に明確ではありませんが、私はemoji correctyを表現することをあきらめ、単にバイトとして表現することは最良の方法ではないと考えています。たとえば、絵文字を説明に変換したい場合は、次のようにすることができます：

x <- "IS THIS CORRECT!?!?! Please say it isn't true!!! Our family only eats the original Reeses Peanut Butter Cups" 

## read emoji info and get rid of documentation lines 
readLines("https://unicode.org/Public/emoji/5.0/emoji-test.txt", 
      encoding="UTF-8") %>% 
    stri_subset_regex(pattern = "^[^#]") %>% 
    stri_subset_regex(pattern = ".+") -> emoji 

## get the emoji characters and clean them up 
emoji %>% 
    stri_extract_all_regex(pattern = "# *.{1,2} *") %>% 
    stri_replace_all_fixed(pattern = c("*", "#"), 
          replacement = "", 
          vectorize_all=FALSE) %>% 
    stri_trim_both() -> emoji.chars 

## get the emoji character descriptions 
emoji %>% 
    stri_extract_all_regex(pattern = "#.*$") %>% 
    stri_replace_all_regex(pattern = "# *.{1,2} *", 
          replacement = "") %>% 
    stri_trim_both() -> emoji.descriptions 


## replace emoji characters with their descriptions. 
stri_replace_all_regex(x, 
         pattern = emoji.chars, 
         replacement = emoji.descriptions, 
         vectorize_all=FALSE) 

## [1] "IS THIS CORRECT!?!?! Please say it isn't true!!! Our family only eats the original Reeses Peanut Butter Cupsgreen heartgreen heartgreen heart"