如何在R的sub函数中用ASCII字符匹配非ASCII短横线以通过R CMD CHECK

要解决这个问题，核心是用纯ASCII的正则表达式语法匹配那个非ASCII短横线（EN DASH，Unicode编码U+2013），避免R CMD CHECK的非ASCII字符警告，以下是两种可靠方法：

方法1：使用Unicode转义序列 #

R的正则表达式支持Unicode转义，直接用\u2013（注意在R字符串中需写成双反斜杠\\u2013），这是纯ASCII写法，不会触发警告：

sub("\\u2013", "to", x = "–")

方法2：使用UTF-8字节的ASCII表示 #

非ASCII的EN DASH在UTF-8编码中对应三个字节：0xe2 0x80 0x93，可以用转义的十六进制字节串匹配，同样是纯ASCII格式：

sub("\\xe2\\x80\\x93", "to", x = "–")

为什么你之前的方法无效？ #

stringi::stri_enc_toascii("–")的作用是将非ASCII字符转换为ASCII的替代控制字符（这里得到的\032是ASCII的SUB字符），并不是原字符的编码表示，因此无法匹配原有的EN DASH。

内容的提问来源于stack exchange，提问作者Patrik_P