基于原始十六进制值替换R字符串字符：非断空格替换及通用实现

首先重现问题场景：
你遇到的情况是：R中有字符串mystring = 'help me'，但其中'help'与'me'之间的空格实际是非断空格（在R中以<c2 a0>的原始十六进制值存储），可通过以下代码创建该字符串：

mystring <- rawToChar(as.raw(as.hexmode(c('68','65','6c','70','c2','a0','6d','65'))))

此时用包含普通空格的字符串匹配会返回FALSE：

grepl('help me', mystring) # 返回FALSE

1. 替换非断空格为普通空格 #

针对这个特定需求，有两种精准实现方式：

方法一：利用Unicode编码直接替换 #

非断空格对应的Unicode为U+00A0，可直接用字符串替换函数匹配该字符：

# 基础R原生实现
mystring_fixed <- gsub("\u00A0", " ", mystring, fixed = TRUE)

# 或用stringi包（多字节字符处理更高效）
library(stringi)
mystring_stri <- stri_replace_all_fixed(mystring, "\u00A0", " ")

# 验证匹配结果
grepl('help me', mystring_fixed) # 返回TRUE

方法二：直接操作原始(raw)字节序列 #

通过处理字符串的原始字节，精准定位并替换目标十六进制序列：

# 将字符串转为raw向量
raw_str <- charToRaw(mystring)
# 定义非断空格对应的raw序列
target_raw <- as.raw(as.hexmode(c('c2','a0')))
# 获取所有匹配的起始位置
match_positions <- grepRaw(target_raw, raw_str, all = TRUE)

# 逆序替换，避免位置偏移
for(pos in rev(match_positions)) {
  raw_str <- c(
    raw_str[1:(pos-1)],
    charToRaw(" "),
    raw_str[(pos+length(target_raw)):length(raw_str)]
  )
}

# 转回字符串
mystring_raw_fixed <- rawToChar(raw_str)
grepl('help me', mystring_raw_fixed) # 返回TRUE

2. 实现通用的原始字符替换函数 #

下面实现一个类似gsubRaw的通用函数，支持替换任意指定原始十六进制值对应的字符序列：

gsubRaw <- function(x, pattern_raw, replacement) {
  # 转换为raw向量
  raw_x <- charToRaw(x)
  replacement_raw <- charToRaw(replacement)
  pattern_len <- length(pattern_raw)
  
  if(pattern_len == 0 || length(raw_x) < pattern_len) return(x)
  
  # 获取所有匹配的起始位置
  match_pos <- grepRaw(pattern_raw, raw_x, all = TRUE)
  if(length(match_pos) == 0) return(x)
  
  # 逆序处理，避免替换后位置偏移
  for(pos in rev(match_pos)) {
    raw_x <- c(
      raw_x[1:(pos-1)],
      replacement_raw,
      raw_x[(pos+pattern_len):length(raw_x)]
    )
  }
  
  # 转回字符串返回
  rawToChar(raw_x)
}

# 测试函数：替换非断空格为普通空格
mystring_gsub <- gsubRaw(mystring, as.raw(as.hexmode(c('c2','a0'))), " ")
grepl('help me', mystring_gsub) # 返回TRUE

# 测试其他场景：替换"he"为"HE"
test_str <- "hello world"
gsubRaw(test_str, charToRaw("he"), "HE") # 返回"HEllo world"

该函数核心逻辑：

• 将输入字符串和替换内容统一转为raw向量
• 通过grepRaw定位所有匹配的原始序列起始位置
• 逆序处理匹配位置，避免替换操作导致后续位置偏移
• 最后将处理后的raw向量转回字符串

内容的提问来源于stack exchange，提问作者Bug Catcher Nakata