在R Markdown中如何清理字符列中的特殊符号？

针对你遇到的收入数据中乱码字符�替换问题，这里给几个可靠的解决方法：

直接替换乱码字符 #

那个�是Unicode替换字符（U+FFFD），通常是原£字符编码错误导致的。你可以用以下几种方式替换：

方法1：使用stringr包（推荐） #

library(stringr)

# 模拟你的数据
income_data <- c("Between ��20,000-��29,999 --", "Between �20,000-�29,999 --")

# 替换为£
income_clean <- str_replace_all(income_data, "�", "£")

# 或者替换为空字符串
income_clean_empty <- str_replace_all(income_data, "�", "")

方法2：使用stringi包（修正你之前的尝试） #

之前用stri_replace_all_regex失败，可能是正则匹配的问题，改用固定匹配更稳妥：

library(stringi)

# 固定匹配替换为£
income_clean <- stri_replace_all_fixed(income_data, "�", "£")

# 或者用Unicode编码精准匹配（避免复制乱码字符出错）
income_clean <- stri_replace_all_regex(income_data, "\uFFFD", "£")

方法3：Base R原生函数 #

不用额外包的话，用gsub加fixed=TRUE：

income_clean <- gsub("�", "£", income_data, fixed = TRUE)

统一分组格式（彻底解决分组不一致） #

如果想让所有收入区间格式统一（不管原来有几个�），可以直接提取数字部分重新构造标准格式：

# 提取数字并生成统一格式
income_formatted <- str_replace(income_data, "Between.*?(\\d+,\\d+)-(\\d+,\\d+).*", "Between £\\1-£\\2")

# 输出结果
income_formatted
# [1] "Between £20,000-£29,999" "Between £20,000-£29,999"

这样处理后所有条目格式一致，就能正常分组了。

内容的提问来源于stack exchange，提问作者kim Stevens