Excel转CSV导入R后越南语字符乱码，多编码混合问题求解

一、从源头避免乱码：直接读取Excel文件 #

不要先转成CSV再导入R——Excel转CSV时的编码自动选择是导致越南语字符混乱的主要原因。用readxl包直接读取原始Excel文件，能完整保留字符编码：

install.packages("readxl") # 首次使用需安装
library(readxl)

# 读取Excel文件，替换为你的文件路径
df <- read_excel("your_vietnamese_data.xlsx", sheet = 1)

二、修复已导入的混合编码列 #

如果已经导入了混合ASCII、WINDOWS-1252、MAC-CENTRALEUROPE编码的列，整列统一转编码会失效，需要逐个检测每个字符串的编码再解码。用stringi包实现这个逻辑：

install.packages("stringi") # 首次使用需安装
library(stringi)

# 定义修复混合编码的函数
fix_mixed_encoding <- function(vec) {
  fixed_vec <- sapply(vec, function(x) {
    if (is.na(x) || x == "") return(x)
    # 检测字符串可能的编码，优先尝试常见的编码类型
    possible_encodings <- c("WINDOWS-1252", "MAC-CENTRALEUROPE", "ASCII")
    for (enc in possible_encodings) {
      decoded <- tryCatch(stri_encode(x, from = enc, to = "UTF-8"), error = function(e) NULL)
      if (!is.null(decoded) && !stri_enc_isinvalid(decoded)) {
        return(decoded)
      }
    }
    return(x) # 若所有编码都失败，返回原字符串
  })
  return(unlist(fixed_vec))
}

# 应用到目标列，替换为你的列名
df$vietnamese_column <- fix_mixed_encoding(df$vietnamese_column)

三、将越南语字符转换为拉丁语字符 #

如果不需要保留越南语变音符号，直接转成无变音的拉丁语字符，用stringi的stri_trans_general函数即可：

# 转换为无变音的拉丁语字符
df$vietnamese_latin <- stri_trans_general(df$vietnamese_column, "Latin-ASCII")

内容的提问来源于stack exchange，提问作者Joey Pincus