如何正确读取北欧字母？R中批量修正转义字符姓名的方法

读取包含北欧字母的文件时，核心是匹配文件的原始编码，常见处理方式如下：

• 在R中读取文件时，明确指定编码参数：
  • 若文件为UTF-8编码，执行：

    read.csv("your_file.csv", encoding = "UTF-8")
    

  • 若为北欧常用的ISO-8859-1（或Windows-1252）编码，指定对应编码：

    read.csv("your_file.csv", encoding = "ISO-8859-1")
    

• 若不确定文件编码，可先用guess_encoding()检测：

  library(readr)
  file_encoding <- guess_encoding("your_file.csv")
  print(file_encoding)
  

  根据检测结果选择对应编码参数即可。

C<e9>dric属于HTML十六进制实体编码（对应字符é），可通过以下方法批量解码，无需逐个修正：

• 方法1：使用xml2包解码
  安装并加载包后，利用XML解析功能自动解码实体：

  install.packages("xml2")
  library(xml2)
  
  # 假设数据集为data，姓名列名为name
  data$name <- xml_text(read_xml(paste0("<x>", data$name, "</x>")))
  

• 方法2：使用stringr包正则替换
  编写自定义函数批量替换所有十六进制实体：

  install.packages("stringr")
  library(stringr)
  
  decode_html_entity <- function(x) {
    str_replace_all(x, "<([0-9a-fA-F]+)>", function(m) {
      int <- strtoi(m[1], base = 16)
      intToUtf8(int)
    })
  }
  
  data$name <- decode_html_entity(data$name)
  

• 方法3：基础R原生实现
  无需额外安装包，用gsub()结合字符转换函数完成解码：

  data$name <- gsub("<([0-9a-f]+)>", function(m) intToUtf8(strtoi(m[1], 16)), data$name, perl = TRUE)
  

内容的提问来源于stack exchange，提问作者Mega Erivona