如何在R中填充unicode字符串字符？

我正在尝试使用

sprintf（）

（但任何基R选项都可以）用空格填充字符

对于字母

“a”

它可以正常工作，但是对于

“β”

它将不起作用：

sprintf（“%2s”，“a”）
#>[1]“a”
sprintf（“%2s”，“β”）
#> [1] "β"
sprintf（“%3s”，“β”）
#> [1] " β"

---

我想这是因为需要两个字节（即两个sprintf的“字符”）来表示

“β”

字符串。。。但是，我可以更改代码使其正常工作，并使用空格填充

“β”

被理解为一个字符（即一个可见字符）。

首先将字符串转换为本机字符。这在Windows上适用，但在将其.Platform$os.type报告为unix的Windows上不适用

s <- 'β'; n <- 3 # inputs

sprintf("%*s", n, enc2native(s))  # or hard code the 3 and drop n
## [1] "  ß"

---

没有ANSI和Unicode字符。整个字符串使用单一编码，事实上，应用程序中的所有字符串都使用相同的编码。您描述的（1字节vs 2或更多）是如何使用非常特定的编码UTF8对字符串进行编码。在希腊语代码页中，

β

只使用一个字节，就像拉丁文中的

ß

一样，这很可能取决于系统（我们需要知道）。在R4.0.0/Win10/English_UK上，我似乎得到了默认情况下您想要的行为。Windows是一个Unicode操作系统。所有字符串都是Unicode，这意味着所有字符串至少使用两个字节。R在编码方面存在重大问题，而不仅仅是Unicode。它在第一次发布时根本没有处理它们，假设所有文件和字符串都是使用本地机器编码的单字节。R和R Studio甚至无法显示Unicode文本。虽然这在语言本身中得到了（缓慢地）修复，但一些软件包仍然无法处理具有不同编码的文件。在Windows上，非Unicode应用程序（和字符串）的默认编码来自用户的区域设置。在Linux上，

LC\uu

env变量指定机器上的所有应用程序或特定shell使用的编码。大多数情况下，编码是UTF8，但有时不是，这会导致问题。在Mac上，

LC

变量至少设置在两个不同的位置，可以。。。顺便说一句，你可能发现了另一个R bug。您使用的是哪个R版本？你试过升级吗？由于

β

被视为2个字节，而

a

被视为1个字节，这意味着您没有使用Wiindows，并且系统编码是UTF8，因此首先不需要这样做。只有一个角色。这是一个错误，

enc2nitive

解决方案在macOS/R 4.0和Linux上都不起作用（我直觉上也不这么认为）。@KonradRudolph有一个简单的解释吗？@MartinGal

enc2nitive

不应该对字符串文本产生任何影响，因为文本的编码已经是本机编码。只有当字符串是使用不同的编码从其他来源（例如文件）读取时，才会产生差异。（可能Windows做了一些不同的事情，不知道。）@Konrad Rudolph，在我的Windows PC上，

s

的编码是UTF-8，但是

enc2native的编码是拉丁语。
# 2
paste0(strrep(' ', n - nchar(s)), s)
## [1] "  β"

# 3
`substring<-`(strrep(" ", n), n - nchar(s) + 1, n, s)
## [1] "  ß"

# 4
sub("X+", s, sprintf("%*s", n, strrep("X", nchar(s))))
## [1] "  β"