如何确定字符串是否包含R中的非罗马字符

Question

确定字符串是否包含非罗马字符/非英文字符的首选方法是什么（例如，是否为）字符？

Answer 1

你可以决定是否字符串包含iconv和grep

# My example, because you didn't add your data 
characters <- c("ないでさ, satisfação, катынь, Work, Awareness, Potential, für") 
# First you convert string to vector of words 
characters.unlist <- unlist(strsplit(characters, split=", ")) 
# Then find indices of words with non-ASCII characters using ICONV 
characters.non.ASCII <- grep("characters.unlist", iconv(characters.unlist, "latin1", "ASCII", sub="characters.unlist")) 
# subset original vector of words to exclude words with non-ASCII characters 
data <- characters.unlist[-characters.non.ASCII] 
# convert vector back to a string 
dat.1 <- paste(data, collapse = ", ") 

# Now if you run 
characters.non.ASCII 
[1] 1 2 3 7 

非拉丁/非ASCII字符意味着第一，第二，第三和第七个索引是非ASCII字符，在我的情况下，第1,2,3和7个对应于：“ないでさ，satisfação，катыньand furr

您也可以运行

dat.1 #and the output will be all ASCII charaters 
[1] "Work, Awareness, Potential" 

Answer 2

你可以使用正则表达式/ grep来检查字符的十六进制值的可打印的ASCII字符范围之外：

x <- 'ないでさ' 
grep("[^\x20-\x7F]",x) 
#[1] 1 
grep("[^\x20-\x7F]","Normal text") 
#integer(0) 

如果你希望允许非打印（“控制”）来考虑“英语”，你可以将字符类的范围扩展到第一个参数grep以“\ x01”开始。有关使用字符类别参数的更多信息，请参阅?regex。有关如何将字符指定为Unicode，十六进制或八进制值的更多信息，请参阅?Quotes。

的R.oo包具有转换功能，可能是有用的：

library(R.oo) 
?intToChar 
?charToInt 

是亨里克特松认为应该包括这些在他的包，这一事实对我说，没有一个方便的方法来做到这一点基地/默认R.他是一个长期使用R/guRu。

看到对方的回答促使这一努力似乎直截了当：

> is.na(iconv(c(x, "OrdinaryASCII") , "", "ASCII")) 
[1] TRUE FALSE