[英]Non-ASCII characters in R, reading from .sav file
我正在嘗試將.sav文件讀入RStudio。 該文件包含來自西班牙語調查的數據,當我將其讀入R時 - 即使我的默認文本編碼已設置為ISO-8859-1 - 特殊字符的顯示也不正確。
例如,單詞“Camión”顯示為
"Cami<c3><b3>n"
即使它在PSPP中正確顯示為“Camión”。
這就是我做的:
install.packages("memisc")
jcv2014 <- as.data.set(spss.system.file('myfile.sav'))
后來,我想創建一個只有變量標簽的列表,所以我做了以下事情:
library(foreign)
jcv2014.spss <- read.spss("myfile.sav", to.data.frame=FALSE, use.value.labels=FALSE)
jcv2014_vars <- attr(jcv2014.spss, "variable.labels")
(我不確定這是否是最好的方法,但它有效)
無論如何,這一次,我仍然沒有得到正確的口音,但有一種不同的編碼:
一個應該是“¿Quécalificaciónlearía......”的變量標簽反而出現了
"\302\277Qu\303\251 calificaci\303\263n le dar\303\255a..."
我不確定如何獲得正確的字符,但它們在PSPP中正確顯示。 我嘗試將R中的默認文本編碼更改為ISO-8859-1和UTF-8,但無濟於事。 我不知道原始文件是什么編碼的,但我猜它會是其中之一。
有任何想法嗎?
如果它有幫助,我有R版本3.1.1和OS X Yosemite版本10.10.1,我使用PSPP,而不是SPSS。
非常感謝提前!!!
您可以在讀取數據后設置編碼嗎?
# Here's your sentence
s <- "\302\277Qu\303\251 calificaci\303\263n le dar\303\255a..."
# it has no encoding
Encoding(s)
# [1] "unknown"
# but if you specify UTF-8, then it shows up correctly
iconv(s, 'UTF-8')
# [1] "¿Qué calificación le daría..."
# This also works
Encoding(s) <- 'UTF-8'
s
# [1] "¿Qué calificación le daría..."
以下是我的sessionInfo()
調用的結果。 你也應該發布你的。
> sessionInfo()
R version 3.1.1 (2014-07-10)
Platform: x86_64-apple-darwin13.1.0 (64-bit)
locale:
[1] en_US.UTF-8/en_US.UTF-8/en_US.UTF-8/C/en_US.UTF-8/en_US.UTF-8
attached base packages:
[1] stats graphics grDevices utils datasets methods base
other attached packages:
[1] reshape2_1.4 hexbin_1.27.0 ggplot2_1.0.0 data.table_1.9.2 yaml_2.1.13
[6] redshift_0.4 RJDBC_0.2-4 rJava_0.9-6 DBI_0.3.1
loaded via a namespace (and not attached):
[1] colorspace_1.2-4 digest_0.6.4 grid_3.1.1 gtable_0.1.2 labeling_0.2
[6] lattice_0.20-29 MASS_7.3-33 munsell_0.4.2 plyr_1.8.1 proto_0.3-10
[11] Rcpp_0.11.2 scales_0.2.4 stringr_0.6.2 tools_3.1.1
更新:看起來您可能沒有支持UTF-8的語言環境。 以下是我系統上每個類別的區域設置。 您可以嘗試使用Sys.setLocale()
並在系統上逐個更新它們(如果您覺得不需要逐步測試每個,請使用LC_ALL
)。 ?Sys.setLocale
了解更多信息
cat_str <- c("LC_COLLATE", "LC_CTYPE", "LC_MONETARY", "LC_NUMERIC",
"LC_TIME", "LC_MESSAGES", "LC_PAPER", "LC_MEASUREMENT")
sapply(cat_str, Sys.getlocale)
# LC_COLLATE LC_CTYPE LC_MONETARY LC_NUMERIC LC_TIME LC_MESSAGES
# "en_US.UTF-8" "en_US.UTF-8" "en_US.UTF-8" "C" "en_US.UTF-8" "en_US.UTF-8"
# LC_PAPER LC_MEASUREMENT
# "" ""
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.