无法识别的字符串值R

Question

我有一个字符串向量，其中一些值是用越南语编码的UTF-8编码。

> so_wrong 
[1] "Thiết bị & dịch vụ"  "Quản lý"    
[3] "Hãng"     "Thời tiết"    
[5] "Lý do khác"    "Tàu bay về muộn"  
[7] "Kỹ thuật"    "Thương mại"    
[9] "Khai thác"    "Quản lý, điều hành bay" 
[11] " "      

我想删除它包含了最后两个值的另一种载体：“泉LY，điều禅师湾”和“”。但R不承认他们。

> any(so_wrong == " ") 
[1] FALSE 
> any(so_wrong == "Quản lý, điều hành bay") 
[1] FALSE 

...甚至可以通过输入这些命令中的值是在向量完全值（我复制粘贴它们）。这项工作，在另一方面：

> any(so_wrong == so_wrong[11]) 
[1] TRUE 

是什么问题以及如何解决/解决方法呢？

编辑：编码

> Encoding(so_wrong) 
[1] "UTF-8" "UTF-8" "latin1" "UTF-8" "UTF-8" "UTF-8" "UTF-8" 
[8] "UTF-8" "latin1" "UTF-8" "UTF-8" 

编辑：我保存的矢量为CSV和推它here

Answer 1

我复制的问题在于字符串（ “全LY，điều禅师托架”），以R，分配给一个对象，检查逻辑相等，这是确定的。

> so_wrong <- "Quản lý, điều hành bay" 
> so_wrong == "Quản lý, điều hành bay" 
[1] TRUE 

我认为问题出在您的编码选项。您可以尝试两件事情：

• 将编码设置选项为UTF-8明确：

  选项（编码= “UTF-8”）

顺便说一句我的编码选项是“native.enc”

> getOption("encoding") 
[1] "native.enc" 

您也可以尝试一下。

• 如果您从文件读取，您可以设置输入的编码。从函数read.table的手册页： “”

函数read.table（文件，标题= FALSE，九月= “”，帖= “\”'“， DEC =，数字= C （“allow.loss”，“warn.loss”，“no.loss”）， row.names，col.names，as.is =！stringsAsFactors， na.strings =“NA”，colClasses = NA，nrows = -1, skip = 0，check.names = TRUE，fill =！blank.lines.skip， strip.white = FALSE，blank.lines.skip = TRUE， comment.char =“＃”， allowEscapes = FALSE，flush = FALSE， stringsAsFactors = default.stringsAsFactors（）， fileEncoding = “”，编码= “未知”，文本，skipNul = FALSE）

所以，你可以明确地设置编码为 “函数read.table中的UTF-8”。