R：将错误显示的外来字符转换为正确的编码double mojibake

问题描述

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，而 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this response，其他人似乎已经成功尝试了此代码：

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

但就我而言，没有任何变化。

如何将 AA¶ 之类的字符转换为 ö？

---

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

EDIT 2：我发现这个“UTF-8 Character Debug Tool”包含 actual 和 expected 列中的一些（不是全部）问题。此外，this "encoding repairer" on GitHub 似乎提供了我需要的东西，但它不是用 R 编写的。

解决方法

可能会有更好、更高效和自动化的解决方案。

但我手动尝试过：我查看了所有“mojibakes”并手动将它们更改为 gsub：

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","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)

它有效，但如果数据集太大，总会有遗漏某些字符的风险。