R ==和%在%中根据字符编码不同？

我很难理解为什么%中的

==

和

%in%

应用于仅依赖于向量编码的字符向量时会产生不同的结果。例如：

a <- 'Köln'
Encoding(a) <- 'unknown'
Encoding(a)
# [1] "unknown"

b <- a
Encoding(b) <- 'UTF-8'

a == b
# [1] TRUE
a %in% b
# [1] FALSE

---

a这确实是一个bug，而且确实是

该行为实际上比您的示例显示的更为奇怪，因为只有当%

中

%的左侧有一个元素时，才会得到
FALSE
：

> a %in% b
[1] FALSE
> c(a, a) %in% b
[1] TRUE TRUE

正如注释所暗示的，%

中的

%只调用
match
，因此问题也可以在那里看到：

> match(a, b)
[1] NA
> match(c(a, a), b)
[1] 1 1

%

和

match

中

%的重要参数是
x
和
table
，其中任一函数在
table
中搜索
x
。在发动机罩下，R在
unique.c
中定义的
match5
功能中执行此操作。如果您有多个
x
，
match5
将从
表
创建一个哈希表，以启用快速查找。如果你仔细研究代码，你会发现比较是在一个名为
sequal
的函数中完成的，该函数返回
Seql（STRING_ELT（x，i），STRING_ELT（y，j））
（实际上，它比这个函数复杂一点）。然后，如果您查看
memory.c
中的
Seql
，您会发现：

int result = !strcmp(translateCharUTF8(a), translateCharUTF8(b));

如您所见，它将字符串转换为UTF-8

然而，如果
x
只有一个元素，那么创建一个哈希表是很愚蠢的，因为我们可以只扫描
table
一次，看看
x
是否存在。在3.3.0中，用于检查
x
和
表的每个元素之间是否相等的代码没有使用
Seql
，也没有将字符串转换为UTF-8。但是从3.3.1开始，使用了
Seql
，因此行为是固定的

*关于字符串相等性的一点旁白是：R实际上会缓存字符串，这样它就不必存储一堆副本。因此，如果两个字符串位于同一位置，则它们相等，无需进一步检查

> .Internal(inspect("Köln"))
@10321b758 16 STRSXP g0c1 [NAM(2)] (len=1, tl=0)
  @106831eb8 09 CHARSXP g1c1 [MARK,gp=0x28,ATT] [UTF8] [cached] "Köln"
> .Internal(inspect(b))
@106831cd8 16 STRSXP g1c1 [MARK,NAM(2)] (len=1, tl=0)
  @106831eb8 09 CHARSXP g1c1 [MARK,gp=0x28,ATT] [UTF8] [cached] "Köln"

%c（a，b）
中的
a%为真
？编码--
匹配，pmatch，charmatch，如果有任何元素被标记为UTF-8，则重复且唯一的所有元素在UTF-8中都匹配。
和
=
的文档中说，在比较之前，字符都转换为UTF-8……我很好奇为什么会有不同的行为。@rawr是的，但是
a
在
c（a）
中，所以它也在
c（a，b）
中。但是为什么
b
不在
c（a）
中呢<%
中的code>%不检查变量名是否相同，只检查值，我不理解为什么值不相同，因为
=
返回
TRUE
。
match
的文档说“如果任何输入标记为“bytes”，字符串将作为字节序列进行比较。”。
未知
是字节序列吗。。。在我的Cygwin 3.1.3安装中，两个测试的结果都是
TRUE
，但在我的RStudio 3.2.1安装中，两个测试的结果都是
FALSE
。而你（OP）似乎得到了一种混合物。没有什么是有意义的。。。没有什么是有意义的。。。