在 R 中各种码的转换

发表于 分类于 Disqus：

各位看官在平时用 R 处理网页的过程中，一定会被各种乱码、转码所困扰，这里做一些小型的总结，会涉及到：

  1. encode 和 decode
  2. md5 加密
  3. 字符集转换
  4. 繁体转化为简体
  5. 字体的指定

逐个解释如何处理：

Encode 和 Decode 处理最为简单，因为在 R 中自带的 utils 就存在方法，具体函数是 URLencode 和 URLdecode。

1
2
3
4
> URLencode('我是谁')
[1] "%E6%88%91%E6%98%AF%E8%B0%81"
> URLdecode("%E6%88%91%E6%98%AF%E8%B0%81")
[1] "我是谁"

Md5 加密使用 openssl 中的 md5 函数即可，同理 sha256 和 sha512 加密算法。

1
2
3
4
5
library(openssl)
> md5('我是谁')
[1] "0bb5fa2e7bd96c77ae436ff352e3664d"
> sha256('我是谁')
[1] "63621be272d0f8266518e62bc739d97793c03b8b70a077345ce20914410de441"

字符集转化使用的是自带 base 包中的 iconv 函数，可以将两种字符集任意转换。

1
2
> iconv('我是谁', 'UTF-8', 'GBK')
[1] "\xce\xd2\xca\xc7˭"

简繁体转化，需要使用 ropencc 这个包

1
2
3
4
5
6
library(ropencc)
cc = converter(S2T)
## T2S means Traditional Chinese to Simplified Chinese.
## S2T means Simplified Chinese to Traditional Chinese.
run_convert(cc, '我是谁')
[1] "我是誰"

字体一般可以通过全局变量 par 中的 family 来设定，但有些需要特殊设定，比如 igraph 包中的绘图情况：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
library(igraph)
library(tidyverse)
x <- read.table(textConnection("
物理,化学
化学,生物
英语,数学
数学,语文
语文,化学"), sep = ',', stringsAsFactors = F)
x <- x %>%
  mutate(
    V1 = iconv(V1, 'UTF-8', 'UTF-8'),
    V2 = iconv(V2, 'UTF-8', 'UTF-8')
  )

g <- graph_from_data_frame(x)
plot(g, vertex.label.family= 'Noto Sans SC Light')