Re: [問題] 讀入"鴴" "鸊鷉" 等怪字

[helixc (@_2;)]

※ 引述《celestialgod (攸藍)》之銘言：
: ※ 引述《helixc (@_2;)》之銘言：
: # readxl套件： (不用JAVA，讀取也比較快，也不會轉換字串為factor)
: library(readxl)
: dat = read_excel("birdnames.xls")

這邊報告一下... readxl這個套件沒問題，
但用dplyr處裡資料的時候就會有問題。

[code]
library(readxl)
library(dplyr)

fileName = "birdnames.xls"
#讀取資料
x = read_excel(fileName)
#資料讀取輸出正常
x$c_name[51:52]
#使用dplyr::select來讀資料，用兩種不同的寫法，一樣都不正常
y1<-select(x, c_name, Order) ; y1[51:52,]
y2<- x %>% select(c_name, Order) ; y2[51:52,]
#使用base::unique來讀取資料，正常
z<-unique(x$c_name); z[51:52]


還不太會貼code以及處裡過程，直接貼圖
http://imgur.com/7oOVkLm

不正常的資料
Source: local data frame [2 x 2]

              c_name Order
1           白嘴潛鳥    51
2 小<U+9E0A><U+9DC9>    52

正常的資料
[1] "白嘴潛鳥" "小鸊鷉"



如果是package處裡的問題的話，那轉移到非windows系統是無解的吧？
只能捨棄dplyr使用*apply來輸出名錄了...
可是我還不會用*apply來寫dplyr-like的功能阿Orz

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 223.138.151.129
※ 文章網址: https://www.ptt.cc/bbs/R_Language/M.1436113381.A.EAB.html
→ celestialgod: #1Kuvs-9O (Statistics)
→ celestialgod: 根據上面那篇 y1$c_name[51:52]這樣又能正常顯示XD
→ celestialgod: 這是R print的問題(攤手
→ celestialgod: i find a silution,  please refer to http://goo.g
→ celestialgod: l/XKK9a2
→ celestialgod: 抱歉， 手機推文，斷掉，http://goo.gl/XKK9a2
→ celestialgod: another discussion and solution https://goo.gl/M
→ celestialgod: 4q4eL
→ celestialgod: https://goo.gl/M4q4eL 又斷...
→ helixc: 什麼軟體可以自己幫你斷句呀 MoPTT嗎XDD
→ helixc: 我加上 Sys.setlocale(locale="UTF-8") 就好了(攤手)
→ helixc: 可惜沒有跳脫dplyr來寫程式的機會了(?)
→ helixc: 可是為何base下的指令就OK, 但dplyr的指令就不行?
→ celestialgod: 不是dplyr問題， 你看第二個網址有寫是format問題。
→ celestialgod: 只跟data.frame有關
→ helixc: 好像沒好...出現錯誤訊息
→ helixc: Warning message:
→ helixc: In Sys.setlocale(locale = "UTF-8") :
→ helixc:   OS reports request to set locale to "UTF-8" cannot b
→ helixc: onored
→ helixc: 我決定改輸出序號到Excel去比對比較快...這樣太累了
推 leo0650: 因為Windows的locale好像沒有UTF-8相關的 (若Mac OS可行)
→ leo0650: 若要print在console可試試c大提供的方法，y1增加class
→ leo0650: class(y1) <- c("unicode_df","data.frame","tbl")
→ helixc: 有些工作真的還是excel比較快(苦笑)
推 Edster: 我以前處理植物名錄的時候，全使用代碼，代碼還是比較安心
→ Edster: 不曉得你們代碼怎麼編，我們是屬名前三碼跟種名前三碼，
→ Edster: 遇到變種跟亞種，就再三碼。
→ helixc: 各種台灣出現過的鳥類加起來最多也不會超過1000種，
→ helixc: 而鳥類也有很好的名錄可以參考，我知道的人都是直接用名錄
→ helixc: 的編號來操作...植物有五千多種以上，我以前大學的時候遇
→ helixc: 到一位作草本的老師自己寫PDA軟體用屬名3碼種小名2碼編碼
→ helixc: 不過聽他說還是會遇到重複的...
→ helixc: 回到本文的題旨..其實很有趣，就算那一個data.frame
→ helixc: 裡面的字變成亂碼，還是可以和還沒變成亂碼(不是df格式?)
→ helixc: 的資料很好的合併，程式還是都把他們當一家人XD
→ helixc: 不過總得面對批次出圖/檔案的問題，該學非Win系統了Orz
推 Neisseria: 在 Linux 和 Mac 上使用 utf-8 console 會容易得多
→ andrew43: 所以…出錯的根本原因是什麼呢？
→ andrew43: 是R處理utf8大字集有問題嗎？還是什麼？
→ andrew43: 這一串討論可能很重要。如果知道根本原因，可以幫很多人
→ celestialgod: 第一， windows r顯示utf8是沒問題， 讀取(要讀exce
→ celestialgod: l或是用readLines, 其他讀不進去)也ok, 寫入還沒試
→ celestialgod: 過... ，不過寫到xls應該ok。第二， data.frame顯
→ celestialgod: 示有問題， 要用我推文中第二個連結去做。
→ celestialgod: 這樣的總結， ok嗎？
→ andrew43: 謝謝樓上補充。
→ helixc: 抱歉第二個連結看不太懂，是要自己寫print fun嗎？可以回
→ helixc: 文比較清楚嗎？感謝
→ helixc: 因為不只是顯示，ggplot::savegg ()存圖功能遇到奇怪的字
→ helixc: 也會崩潰，問題不應該只是要在R上面秀出正常有怪字的df