Chuyển đổi chuỗi \ u thoát Unicode thành ASCII

Question

Sau khi đọc tất cả về iconv và Encoding, tôi vẫn còn bối rối.

Tôi đang tìm nguồn gốc web page Tôi có một chuỗi trông giống như sau: 'pretty\u003D\u003Ebig' (được hiển thị trong bảng điều khiển R dưới dạng 'pretty\\\u003D\\\u003Ebig'). Tôi muốn chuyển đổi điều này thành chuỗi ASCII, phải là 'pretty=>big'.

Nhiều cách đơn giản, nếu tôi đặt

x <- 'pretty\\u003D\\u003Ebig' 

Làm thế nào để thực hiện một chuyển đổi trên x để mang pretty=>big?

Mọi đề xuất?

Answer 1

Sử dụng phân tích cú pháp, nhưng đừng đánh giá kết quả:

x1 <- 'pretty\\u003D\\u003Ebig' 
x2 <- parse(text = paste0("'", x1, "'")) 
x3 <- x2[[1]] 
x3 
# [1] "pretty=>big" 
is.character(x3) 
# [1] TRUE 
length(x3) 
# [1] 1 

Answer 2

Tôi thông cảm; Tôi đã đấu tranh với R và unicode văn bản trong quá khứ và không phải lúc nào cũng thành công. Nếu dữ liệu của bạn trong x thì trước tiên cố gắng thay thế một toàn cầu, một cái gì đó như thế này:

x <- gsub("\u003D", "=>", x) 

đôi khi tôi sử dụng một cấu trúc giống như

lapply(x, utf8ToInt) 

để xem nơi các điểm mã cao là ví dụ bất cứ điều gì trên 150. Điều này giúp tôi xác định vị trí các vấn đề gây ra bởi không gian không phá vỡ, ví dụ, mà dường như bật lên mỗi bây giờ và một lần nữa.

Answer 3

> iconv('pretty\u003D\u003Ebig', "UTF-8", "ASCII") 
[1] "pretty=>big" 

nhưng bạn dường như có một lối thoát thêm

Answer 4

Bí quyết ở đây là '\\u003D' thực sự là 6 ký tự khi bạn muốn '\u003D' mà chỉ là một nhân vật. Bí quyết nữa là để phù hợp với những dấu xồ nguợc bạn cần phải sử dụng những dấu xồ nguợc gấp đôi đã trốn thoát trong mẫu:

gsub("\\\\u003D\\\\u003E", "\u003D\u003E", x) 
#[1] "pretty=>big" 

Để thay thế nhiều ký tự với một ký tự bạn cần phải nhắm mục tiêu toàn bộ mẫu. Bạn không thể đơn giản xóa dấu gạch chéo ngược. (Vì bạn đã cho biết đây là vấn đề chung hơn, tôi nghĩ câu trả lời có thể nằm trong các sửa đổi đối với phương thức chưa được mô tả của bạn để tải xuống văn bản này.)

Khi tôi tải các chức năng và phụ thuộc, mã này hoạt động:

> freq <- ngram(c('pretty\u003D\u003Ebig'), year_start = 1950) 
> 
> str(freq) 
'data.frame': 59 obs. of 4 variables: 
$ Year  : num 1950 1951 1952 1953 1954 ... 
$ Phrase : Factor w/ 1 level "pretty=>big": 1 1 1 1 1 1 1 1 1 1 ... 
$ Frequency: num 1.52e-10 6.03e-10 5.98e-10 8.27e-10 8.13e-10 ... 
$ Corpus : Factor w/ 1 level "eng_2012": 1 1 1 1 1 1 1 1 1 1 ... 

(vì vậy, tôi đoán tôi vẫn không rõ ràng về các trường hợp sử dụng.)

Answer 5

Một sử dụng cho eval(parse)!

eval(parse(text=paste0("'", x, "'"))) 

Điều này có những vấn đề riêng của khóa học, chẳng hạn như phải tự thoát khỏi bất kỳ dấu ngoặc kép nào trong chuỗi. Nhưng nó sẽ làm việc cho bất kỳ chuỗi Unicode hợp lệ có thể xuất hiện.

Answer 6

Mặc dù tôi đã chấp nhận câu trả lời của Hong ooi, tôi không thể không suy nghĩ parse và eval là một giải pháp nặng. Ngoài ra, như đã chỉ ra, nó không an toàn, mặc dù cho ứng dụng của tôi tôi có thể tự tin rằng tôi sẽ không nhận được báo giá nguy hiểm.

Vì vậy, tôi đã nghĩ ra một sự thay thế, hơi tàn bạo, cách tiếp cận:

udecode <- function(string){ 
    uconv <- function(chars) intToUtf8(strtoi(chars, 16L)) 
    ufilter <- function(string) { 
    if (substr(string, 1, 1)=="|") uconv(substr(string, 2, 5)) else string 
    } 
    string <- gsub("\\\\u([[:xdigit:]]{4})", ",|\\1,", string, perl=TRUE) 
    strings <- unlist(strsplit(string, ",")) 
    string <- paste(sapply(strings, ufilter), collapse='') 
    return(string) 
} 

Bất kỳ đơn giản hóa hoan nghênh!

Answer 7

Với gói stringi:

> x <- 'pretty\\u003D\\u003Ebig' 
> stringi::stri_unescape_unicode(x) 
[1] "pretty=>big"