带有utf-8文本的脚本与Windows中的RStudio和命令行运行方式不同

我正在处理包含印地语文本的文件并对其进行解析。我用Rstudio编写了我的代码，执行时没有出现很多问题。但是现在，我需要使用R.exe/Rscript.exe从命令行执行相同的脚本，但它的工作方式不同。我已经从RStudio和终端运行了一个简单的脚本：

n_p<-'नाम'

Encoding(n_p)

gregexpr(n_p,c('adfdafc','नाम adsfdfa'))
sessionInfo()

n\u p n\u p
>编码（n_p）
[1] “UTF-8”
> 
>gregexpr（n_p，c（'adfdafc'，'नाम adsfa'））
[[1]]
[1] -1
属性（，“匹配长度”）
[1] -1
[[2]]
[1] 1
属性（，“匹配长度”）
[1] 3
>sessionInfo（）
R版本3.5.0（2018-04-23）
平台：x86_64-w64-mingw32/x64（64位）
在以下环境下运行：Windows 7 x64（版本7600）
矩阵乘积：默认值
区域设置：
[1] LC_COLLATE=英语_India.1252 LC_CTYPE=英语_India.1252
[3] LC_货币=英语_印度1252 LC_数字=C
[5] LC_TIME=English_India.1252
附加基本包：
[1] 统计图形GRUTILS数据集方法库
其他随附包裹：
[1] rJava_0.9-10
通过命名空间加载（未附加）：
[1] 编译器3.5.0工具3.5.0

cmd中带有R.exe的输出（用于调试目的。Rscript.exe如果输出不相同，则会给出类似的输出）

>n\u p
>编码（n_p）
[1] “拉丁语1”
>
>gregexpr（n_p，c（'adfdafc'，'a☼"à☼_à☼r adsfa'））
[[1]]
[1] -1
属性（，“匹配长度”）
[1] -1
[[2]]
[1] 1
属性（，“匹配长度”）
[1] 9
>sessionInfo（）
R版本3.5.0（2018-04-23）
平台：x86_64-w64-mingw32/x64（64位）
在以下环境下运行：Windows 7 x64（版本7600）
矩阵乘积：默认值
区域设置：
[1] LC_COLLATE=英语_India.1252 LC_CTYPE=英语_India.1252
[3] LC_货币=英语_印度1252 LC_数字=C
[5] LC_TIME=English_India.1252
附加基本包：
[1] 统计图形GRUTILS数据集方法库
通过命名空间加载（未附加）：
[1] 编译器3.5.0

我尝试过更改区域设置，但

Sys.setlocale

拒绝正常工作。在某些情况下，

gregexpr

在无法解析非ASCII代码时会出错。最后，当它运行时没有错误，它与正则表达式不匹配。目前我无法提供可复制的示例，但稍后我会尝试

---

帮助。

您需要确保R在合适的语言环境中运行：

运行rterm使用：

Sys.getlocale（）

查找当前区域设置

您可以使用以下命令设置您的区域设置：

Sys.setlocale(category = "LC_ALL", locale = "hi-IN")

# Try "hi-IN.UTF-8" too...

您可以找到区域设置名称、和

如果值正确，请将

Sys.setlocale（）

命令放入

~/.Rprofile

中

参考资料

---

正确的答案是您应该使用选项--encoding=file encoding运行Rscript

不需要设置区域设置，而且正如您可能发现的那样，它无论如何都不起作用。如果您的文件是UTF-8：

---

Rscript.exe--encoding=UTF-8 file.R

您在这里的期望是什么？您的目标是什么？我了解您收到的两种不同的输出，但很抱歉，我无法理解您试图解决的问题（概述，例如为什么要使用regexpr？、您尝试匹配的字符串是什么？…等等）.Thanksry

options（encoding=“UTF-8”）

在脚本开始时，尝试执行如下脚本：

eval（parse（filename，encoding=“UTF-8”）

在Windows中，它对

或
等字符有效，但对
或
等字符无效。
> n_p<-'à☼"à☼_à☼r'
>
> Encoding(n_p)
[1] "latin1"
>
> gregexpr(n_p,c('adfdafc','à☼"à☼_à☼r adsfdfa'))
[[1]]
[1] -1
attr(,"match.length")
[1] -1

[[2]]
[1] 1
attr(,"match.length")
[1] 9

> sessionInfo()
R version 3.5.0 (2018-04-23)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows 7 x64 (build 7600)

Matrix products: default

locale:
[1] LC_COLLATE=English_India.1252  LC_CTYPE=English_India.1252
[3] LC_MONETARY=English_India.1252 LC_NUMERIC=C
[5] LC_TIME=English_India.1252

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base

loaded via a namespace (and not attached):
[1] compiler_3.5.0

Sys.setlocale(category = "LC_ALL", locale = "hi-IN")

# Try "hi-IN.UTF-8" too...