在R语言中移除字符串中十六进制代码的问题求助

这问题我遇过好多次了，根源是编码不匹配导致的乱码，咱们一步步来解决：

1. 从根源解决：读取时指定正确编码 #

Word导出的TXT文件默认使用Windows-1252编码（尤其是包含特殊引号、智能引号这类字符时），而R默认读取编码可能和它不匹配，导致原本的单引号（’）被解析成了\x92，在R里显示为<92>。

修改你的读取代码，加上encoding参数指定正确编码：

df <- read_delim("file.txt", "\n", escape_double = FALSE, col_names = FALSE, trim_ws = TRUE, encoding = "Windows-1252")

这样读取后，特殊字符会被正确识别，不会出现<92>这类异常显示了。如果Windows-1252无效，可以试试"ISO-8859-1"，这两个编码对这类特殊字符的处理几乎一致。

2. 修复已读取数据中的乱码 #

如果已经读取了数据，不想重新读取，可以直接替换实际存储的异常字符（注意：你看到的<92>是R对不可打印字符的显示形式，实际存储的是单个\x92字符，所以用gsub("<92>", ...)是匹配不到的）：

方法1：用基础R的gsub替换 #

# 将\x92替换为普通单引号
df$comments <- gsub("\x92", "'", df$comments)

方法2：用stringi包更稳妥（适合多编码问题） #

如果还有其他类似的编码乱码，stringi包的处理更可靠：

library(stringi)
df$comments <- stri_replace_all_fixed(df$comments, "\x92", "'")

3. 为什么替换其他内容会出现方框问号？ #

这是因为编码不匹配时，字符在内存中是以错误的编码形式存储的。当你对这类字符串进行修改操作时，R尝试重新编码无法识别的字符，就会用方框问号作为占位符显示。解决了读取时的编码问题，这个现象就会消失。

内容的提问来源于stack exchange，提问作者J.Sabree