如何使这些视觉上相同的字符串在计算上相等？

Question

上下文：

我希望基于一个字符向量加入两个小标题，但在 write.csv() 和 read.csv() 之间发生了一些事情，这使得它们不等效。在下面的表示中，str_cmp() 返回0（“匹配”），但在我的实际项目中它返回-1（字符串不可比较）。我不知道为什么会改变。

无论如何str_cmp() 对我来说用处不大，因为dplyr::left_join 加入相等的值并且不能与函数一起使用。

我如何更改这些字符串之一以使str1==str2 返回TRUE？ 我需要能够为整个字符向量执行此操作，以便我可以这样做：

dplyr::left_join(tibble1,tibble2,by = c("charVector1"="charVector2") 其中charVector1 和charVector2 是从中提取str1 和str2 的列。

代表：

#DL 19/10/30
## Tryna work out why these strings aren't the same
#####################################################################

#Get strings from GitHub repo ---------------------------------------
read.table(
  "https://raw.githubusercontent.com/davelovellCARU/stringHelp/master/string1.txt"
) ->
  str1

read.table(
  "https://raw.githubusercontent.com/davelovellCARU/stringHelp/master/string2.txt"
) ->
  str2

# The strings are not equal -----------------------------------------
str1 == str2
#>       x
#> 1 FALSE
# But they look the same and the computer knows it ------------------
stringi::stri_cmp(str1, str2)
#> [1] 0

^{由reprex package (v0.3.0) 于 2019 年 10 月 30 日创建}

Answer 1

知道了！

有一个简洁的函数可以做到这一点：stringclean::replace_non_ascii(string) 我在两个字符串上运行它，现在它们是相同的。只需将其放入 mutate 中，tibbles 就会加入。