xml - 将带有越南字符的数据导入 R

Question

请有人建议将带有越南字符的数据导入 R 数据帧的最佳方法，以便正确描述数据。我需要导入的数据类型包括以下列的较长版本:

Student_name

PHẠM THANH

PHẠM VĂN

NGUYỄN TUẤN

NGUYỄN VĂN

VŨ NGỌC

我尝试了很多选项，包括将数据保存为 Unicode.txt 并使用指定的 encoding = UTF-8 导入到 R。

使用 read.csv 或 read.table，我收到错误消息

In read.table("Stu.txt", header = TRUE, encoding = "UTF-8") : line 1 appears to contain embedded nulls

保存为 MS-Excel 文件并使用 read.xlsx(包 xlsx)导入，我可以正常读取数据，没有指定编码我得到奇怪的输出，如图:

 Student_name

1 法米清

2 PHẠM VĂN

3 NGUYỄN TUẤN

4 NGUYỄN VĂN

5 NGUYỄN VĂN

6 VŨ NGỌC

使用 read.xlsx 和 encoding="UTF-8"，我得到了 UTF-8 翻译，但没有十六进制代码，所以输出有小于和括起来的名字大于号 PH <'U+1EA0'>M THANH 等，不带引号。

我通过 RStudio 运行 R，版本 0.99.467，Windows 7 操作系统。

谢谢。

Answer 1

我使用了 stringi 包中的 stri_trans_general 函数:

data <- read.table("Stu.txt", header = TRUE, encoding = "UTF-8")  %>% 
         mutate(Student_name = stri_trans_general(Student_name, "Latin-ASCII"))