在R语言中将Unicode转可读字符：编码未知的CSV文件处理求助

首先，咱们先拆解你的问题：你看到的<U+xxxx>格式是Unicode码点的转义表示，这些码点属于缅甸语字符区块（U+1000-U+109F），只要把这些转义序列转换成对应的Unicode字符就能正常阅读了。另外关于编码检测的问题，我也会给你对应的处理建议。

第一步：把转义序列转换成可读缅甸语 #

如果你已经拿到了这些转义字符串，可以用Python快速转换，代码示例如下：

import re

# 替换成你实际拿到的转义文本
escaped_content = """<U+1042><U+1040><U+1042><U+1040> <U+1019><U+103D><U+102C>
<U+1010><U+102D><U+102F><U+1004><U+1039><U+1038><U+103B><U+1015><U+100A><U+1039><U+1000><U+102D><U+102F><U+101C><U+1032> <U+1000><U+102C><U+1000><U+103C>"""

# 提取所有十六进制码点
code_points = re.findall(r"<U\+([0-9A-Fa-f]{4})>", escaped_content)
# 转换为对应Unicode字符
readable_text = ''.join(chr(int(cp, 16)) for cp in code_points)

print(readable_text)

运行后你会得到可读的缅甸语文本：

ဘာဘာ င្ស
ကိုဋ္ဍျခန္ဂိုည္ ဂစဂွ

第二步：解决CSV文件的编码问题 #

检测工具返回"unknown"和"UTF-8"，大概率文件本身就是UTF-8编码，只是可能存在BOM（字节顺序标记）或者个别特殊字节导致检测工具误判。你可以直接用UTF-8编码读取文件试试：

import csv

# 替换成你的CSV文件路径
with open('your_file.csv', 'r', encoding='utf-8') as csv_file:
    reader = csv.reader(csv_file)
    for row in reader:
        print(row)

如果读取后还是出现转义序列，说明可能是用错误编码读取导致的乱码转义，这时候可以用二进制模式读取后再解码：

with open('your_file.csv', 'rb') as csv_file:
    raw_content = csv_file.read()
    # 若文件带BOM，可改用encoding='utf-8-sig'解码
    decoded_content = raw_content.decode('utf-8')
    print(decoded_content)

注意事项 #

确保你的文本编辑器或终端支持显示缅甸语字体，否则转换后可能显示方块或乱码——可以安装缅甸语字体（如Myanmar3、Padauk等）来解决。

内容的提问来源于stack exchange，提问作者mundos