R： "特殊"文字をUTF-8に変換しますか？

Question

1つのデータフレームに特殊文字が含まれていて、他のデータフレームに含まれていないテーブルに一致する問題が発生します。例：ここではñドニャアナ郡対アナ郡

は、あなたが出力を再現できるスクリプトですか：

library(tidyverse) 
library(acs) 
tbl_df(acs::fips.place) # contains "Do\xf1a Ana County" 
tbl_df(tigris::fips_codes) # contains "Dona Ana County" 

例：

tbl_df(tigris::fips_codes) %>% filter(county == "Dona Ana County") 

リターン：

# A tibble: 1 x 5 
    state state_code state_name county_code   county 
    <chr>  <chr>  <chr>  <chr>   <chr> 
1 NM   35 New Mexico   013 Dona Ana County 

は残念ながら、次のクエリは何も返さない：R Studioでのデータフレームを開くときに

tbl_df(acs::fips.place) %>% filter(COUNTY == "Do\xf1a Ana County") 
tbl_df(acs::fips.place) %>% filter(COUNTY == "Doña Ana County") 
tbl_df(acs::fips.place) %>% filter(COUNTY == "Dona Ana County") 

# A tibble: 0 x 7 
# ... with 7 variables: STATE <chr>, STATEFP <int>, PLACEFP <int>, PLACENAME <chr>, TYPE <chr>, FUNCSTAT <chr>, COUNTY <chr> 

はしかし、それは示しています

は質問1：なぜ2番目のクエリは、ノーリターンが得られていないん、 "Do \ xf1a Ana County"はデータベースに表示されますか？

質問2：どのように私はN、または同様に、このようなñなど、すべての "特別な" 文字を変換することができます（UTF-8？）？すべての文字のルールを定義するのではなく、ヘッダまたは定義のライブラリまたはスニペットがありますか？私は両方のテーブルの特定の列を一致させるために、これをとにかく実行しなければなりません。

ありがとうございました！

Answer 1

使用

あなたが本当に持っていることは、あなたは、例えば使用してRコンソールでこれを確認することができます Do\\xf1aあるデータセットで

tbl_df(acs::fips.place) %>% filter(COUNTY == "Do\\xf1a Ana County") 

：

acs::fips.place[grep("Ana",f$COUNTY),] 

機能を使用することですiconv(x, from = "", to = "")または enc2utf8またはenc2nativeには "from"引数はありません。 ほとんどの場合、パッケージをビルドするには、データをUTF-8に変換する必要があります（パッケージをビルドするときに私のフランス語の文字列をすべてトランスコードする必要があります）。ここではlatin1だと思いますが、\はエスケープされています。

最後に、あなたが（まっすぐ自分のエンコーディング地獄から）この機能を使用することができ、同等の文字列を取得するには、あなたの出力をクリーンアップする必要がある場合

x<-"Do\\xf1a Ana County" 
Encoding(x)<-"latin1" 
charToRaw(x) 
# [1] 44 6f f1 61 20 41 6e 61 20 43 6f 75 6e 74 79 
xx<-iconv(x, "latin1", "UTF-8") 
charToRaw(xx) 
# [1] 44 6f c3 b1 61 20 41 6e 61 20 43 6f 75 6e 74 79 

。

to.plain <- function(s) { 
    #old1 <- iconv("èéêëù","UTF8") #use this if your console is in LATIN1 
    #new1 <- iconv("eeeeu","UTF8") #use this if your console is in LATIN1 
    old1 <- "èéêëù" 
    new1 <- "eeeeu" 
    s1 <- chartr(old1, new1, s)  
} 

Answer 2

第一の問題は、acs::fips.placeがひどくマングルであることです。たとえば\\xf1aの場合は\xf1aを意味します。パッケージマンテイナーにバグを報告する必要があります。エスケープがクリーンアップされていたら

tbl_df(acs::fips.place) %>% 
    mutate(COUNTY = scan(text = str_c(COUNTY, collapse = "\n"), 
         sep = "\n", 
         what = "character", 
         allowEscapes = TRUE)) -> fp 

Encoding(fp$COUNTY) <- "latin1" 

fp %>% 
    filter(COUNTY == "Doña Ana County") 

あなたはアスキーの置換に非ASCII文字を翻字することができます。一方で、ここでは1つのワークアラウンドです。stringiパッケージは簡単です：

library(stringi) 
fp$COUNTY <- stri_trans_general(fp$COUNTY, "latin-ascii") 

fp %>% 
    filter(COUNTY == "Dona Ana County")