Salida de archivo UTF-8 en R

Question

Estoy usando R 2.15.0 en Windows 7 de 64 bits. Me gustaría enviar texto Unicode (CJK) a un archivo.

El código siguiente muestra cómo un carácter Unicode envió a escribir en una conexión de archivos UTF-8 no funciona como (I) que se espera:

rty <- file("test.txt",encoding="UTF-8") 
write("在", file=rty) 
close(rty) 
rty <- file("test.txt",encoding="UTF-8") 
scan(rty,what=character()) 
close(rty) 

Como se muestra por la salida de exploración:

Read 1 item 
[1] "<U+5728>" 

El archivo no se escribió con el carácter UTF en sí, sino con algún tipo de respaldo de conformidad con ANSI. ¿Puedo hacer que funcione bien la primera vez (es decir, con un archivo de texto que tiene "在" en su lugar), o puedo trabajar algo de magia extra para convertir la salida a Unicode con el carácter adecuado reemplazando la cadena de código?

Gracias.

[Más información: el mismo código se comporta correctamente en Cygwin, R 2.14.2, mientras que 2.14.2 en Win7 también está roto. Es esto en mi final en alguna parte?]

Answer 1

países cadenas UTF-8 en archivo de texto:

kLogFileName <- "parser.log" 
log <- function(msg="") { 
    con <- file(kLogFileName, "a") 
    tryCatch({ 
    cat(iconv(msg, to="UTF-8"), file=con, sep="\n") 
    }, 
    finally = { 
    close(con) 
    }) 
} 

Answer 2

Creo que usted está teniendo problemas porque write se construye de modo que tome el nombre de un objeto y no parecen tener construir un objeto tan nombrado. Pruebe esto en su lugar:

txt <- "在" 
rty <- file("test.txt",encoding="UTF-8") 
write(txt, file=rty) 
close(rty) 
rty <- file("test.txt",encoding="UTF-8") 
inp <- scan(rty,what=character()) 
#Read 1 item 
close(rty) 
inp 
#[1] "在" 

Answer 3

Tengo un problema con las cadenas UTF-8 que provienen de DB.

La única manera que he encontrado para guardarlos correctamente es guardar el archivo en modo binario.

F <- file(file.name, "wb") 
    tryCatch({ 
    writeBin(charToRaw(the_utf8_str), F) 
    }, 
    finally = { 
    close(F) 
    }) 

Answer 4

El problema es debido a algún R en Windows comportamiento especial (utilizando la codificación por defecto del sistema/o el uso de algún sistema de escritura funciones; no sé los detalles, pero el comportamiento es realmente conocido)

Para escribir texto codificación UTF8 en Windows uno tiene que utilizar las opciones useBytes=T en funciones li ke writeLines o readLines:

txt <- "在" 
writeLines(txt, "test.txt", useBytes=T) 

readLines("test.txt", encoding="UTF-8") 
[1] "在"