使用foreign包读取SPSS文件后，如何让R脚本短横线与SPSS文本一致？

核心原因 #

你遇到的是两种不同的Unicode字符：普通短横（ASCII -，U+002D）和长破折号（–，U+2013），二者编码不同，直接比较自然返回FALSE。脚本重新打开后短横线变样，是因为保存时编码未正确设置，导致字符被自动转换。

解决方法 #

1. 强制RStudio以UTF-8保存脚本 #

• 在RStudio右下角找到编码选择框（默认可能显示native.enc或当前系统编码），选择UTF-8。
• 保存脚本后关闭再重新打开，检查长破折号是否完整保留。UTF-8编码能存储所有Unicode字符，避免打开时的字符转换问题。

2. 统一SPSS文件的编码读取与转换 #

读取SPSS文件时明确指定编码，避免字符乱码：

# 读取UTF-8编码的SPSS文件
df_utf8 <- foreign::read.spss("utf8_file.sav", use.value.labels = TRUE, fileEncoding = "UTF-8")

# 读取CP1252编码的SPSS文件
df_cp1252 <- foreign::read.spss("cp1252_file.sav", use.value.labels = TRUE, fileEncoding = "CP1252")

# 将CP1252编码的字符向量转换为UTF-8
df_cp1252$employment <- iconv(df_cp1252$employment, from = "CP1252", to = "UTF-8")

3. 直接从SPSS变量中提取目标字符（最稳妥） #

不要手动输入包含破折号的字符串，直接从读取后的变量水平中提取，彻底避免字符不匹配：

# 假设变量名为employment，提取包含指定关键词的水平
target_level <- levels(df$employment)[grep("long term sick", levels(df$employment))]

# 后续比较直接用这个提取的变量
df$is_sick <- df$employment == target_level

4. 调整R默认编码（可选） #

在你的.Rprofile文件中添加以下代码，将R默认编码设为UTF-8，减少编码冲突：

options(encoding = "UTF-8")

内容的提问来源于stack exchange，提问作者Stephen Clark