R4.2读取含Umlaut变音符号名的文件夹编码异常如何解决

问题概述 #

• 场景限制：他人创建了名称包含Umlaut变音符号的文件夹，无修改文件夹名称权限，需读取文件夹内全部文件
• 异常表现：已配置环境使用UTF-8编码，R 4.2版本仍无法正常识别带变音符号的路径，字符输出为Unicode转义格式
• 最小复现代码：

c("sähköpyörä")
#> [1] "s<U+00E4>hk<U+00F6>py<U+00F6>r<U+00E4>"

注：上述复现示例由reprex包（v2.0.1）于2022-06-08创建。

可落地解决方案 #

• 方案1：直接从上级目录读取结果索引目标路径（无成本优先尝试）
  不要手动硬编码输入带变音符号的路径字符串，先读取目标文件夹上级目录的完整文件列表，从返回结果中索引到目标文件夹的路径对象即可。这种方式获取的路径字符串由操作系统直接返回，编码完全匹配系统要求，不存在手动输入的编码不匹配问题。示例代码：

  # 替换为目标文件夹的上级目录路径
  parent_files <- list.files("path/to/parent_dir", full.names = TRUE)
  # 匹配目标文件夹名，获取可正常识别的路径
  target_dir <- parent_files[grep("pyörä", parent_files)]
  # 直接读取目标文件夹内文件
  list.files(target_dir)
  

• 方案2：Windows环境使用系统短路径规避特殊字符
  Windows系统默认会为含非ASCII字符的文件/文件夹生成8.3格式的短路径名，完全不含特殊变音符号，可直接被R识别。操作方式：打开命令提示符，进入目标文件夹的上级目录，执行dir /x命令，即可在输出中看到对应带变音符号文件夹的短路径名（格式类似SAHKOP~1），直接使用该短路径传入R的文件操作函数即可。

• 方案3：手动转换路径为系统原生编码
  R 4.2在Windows平台的默认UTF-8支持存在兼容缺陷，手动输入的UTF-8编码路径字符串不会被自动转码，可使用enc2native()函数将路径转换为系统原生编码后再使用，示例：

  target_path <- enc2native("sähköpyörä")
  list.files(target_path)
  

• 方案4：替换为编码兼容性更好的文件操作工具
  基础R的文件操作函数对多字节字符路径兼容较差，可使用fs包提供的文件系统函数替代基础R的list.files()、file.exists()等函数，fs包底层做了跨平台的编码自动转换，不需要手动调整编码配置即可正常识别带Umlaut变音符号的路径。

• 方案5：调整R启动编码配置
  找到R安装目录下的Rprofile.site配置文件，在文件末尾添加如下配置，强制R启动时加载UTF-8区域设置：

  Sys.setlocale(category = "LC_ALL", locale = "en_US.UTF-8")
  

  也可以在启动R时附加启动参数R --encoding=UTF-8，或在RGui设置中将默认输入、输出编码均指定为UTF-8后重启会话。

内容的提问来源于stack exchange，提问作者glhrm