【发布时间】：2018-11-10 19:44:46
【问题描述】：
我已将 .doc 文档转换为 .txt，并且我有一些无法删除的奇怪格式（从查看其他帖子来看，我认为它是十六进制代码，但我不确定）。
我的数据集是一个包含两列的数据框，一列标识说话者，第二列标识 cmets。一些字符串现在有奇怪的字符。例如，一个字符串最初表示（减去引号）：
"Why don't we start with a basic overview?"
但是当我在将它转换为 .txt 后在 R 中读取它时，它现在显示为：
"Why don<92>t we start with a basic overview?"
我试过了：
df$comments <- gsub("<92>", "", df$comments)
但是，这不会改变任何事情。此外，每当我在单元格中进行任何其他替换时（例如，将“开始”更改为“开始”，它都会将该特殊字符更改为一系列奇怪的？包围在框内。
任何帮助将不胜感激！
编辑： 我是这样阅读我的文字的：
df <- read_delim("file.txt", "\n", escape_double = F, col_names = F, trim_ws = T)
它有 2 列；第一个是speaker，第二个是cmets。
【问题讨论】：
-
如何将文本文件读入 R？我无法重现您的问题
-
df
-
您是如何将 .doc 转换为 .txt 的？
-
@Dason，我在 Word 中将 word 文档重新保存为纯文本。
-
您可以尝试运行
print.listof( read_delim("file.txt", "\n", escape_double = F, col_names = F, trim_ws = T))看看它是否编码正确吗？我假设您使用的是 Windows，这就是我无法重现错误的原因
标签： r string text replace gsub