每個(gè)十六進(jìn)制數(shù)表示信息的一個(gè)字節(jié)： 48 是 H、 61 是 a 等。從十六進(jìn)制數(shù)到字符的這種映

射稱為編碼，這個(gè)示例中的編碼方式稱為 ASCII。 ASCII 可以非常好地表示英文字符，因

為它就是美國信息交換標(biāo)準(zhǔn)代碼（American Standard Code for Information Interchange）的

縮寫。

對(duì)于英語之外的其他語言，事情就變得更加復(fù)雜了。計(jì)算機(jī)發(fā)展的早期階段有很多為非英

語字符進(jìn)行編碼的標(biāo)準(zhǔn)，它們之間甚至是相互矛盾的。要想正確表示一個(gè)字符串，不僅

需要知道它的值，還要知道其編碼方式。例如， Latin1（即 ISO-8859-1， 用于西歐語言）

和 Latin2（即 ISO-8859-2，用于東歐語言）是兩種常用的編碼方式。字節(jié) b1 在 Latin1

中表示“±”，但在 Latin2 中則表示“?”！好在現(xiàn)在有一種幾乎所有語言都支持的標(biāo)準(zhǔn)：

UTF-8。 UTF-8 可以為現(xiàn)在人類使用的所有字符進(jìn)行編碼，同時(shí)還支持很多特殊字符（如

表情符號(hào)！）。

readr 全面支持 UTF-8：當(dāng)讀取數(shù)據(jù)時(shí)，它假設(shè)數(shù)據(jù)是 UTF-8 編碼的，并總是使用 UTF-8

編碼寫入數(shù)據(jù)。這是非常好的默認(rèn)方式，但對(duì)于從不支持 UTF-8 的那些舊系統(tǒng)中產(chǎn)生的數(shù)

據(jù)則無能為力。遇到這種情況時(shí)，你的字符串打印出來就是一堆亂碼。有時(shí)只有一兩個(gè)字

符是亂碼；有時(shí)則完全不知所云。例如：

x1 <- "El Ni\xf1o was particularly bad this year"
x2 <- "\x82\xb1\x82\xf1\x82\xc9\x82\xbf\x82\xcd"

要想解決這個(gè)問題，需要在 parse_character() 函數(shù)中設(shè)定編碼方式：

parse_character(x1, locale = locale(encoding = "Latin1"))
#> [1] "El Ni?o was particularly bad this year"
parse_character(x2, locale = locale(encoding = "Shift-JIS"))
#> [1] "こんにちは"

如何才能找到正確的編碼方式呢？如果足夠幸運(yùn)，那么編碼方式可能就寫在數(shù)據(jù)文檔中。

遺憾的是這種情況非常罕見，因此 readr 提供了 guess_encoding() 函數(shù)來幫助你找出編碼

方式。但這個(gè)函數(shù)并非萬無一失，如果有大量文本（不像本例），效果就會(huì)更好，它確實(shí)

是一個(gè)良好的起點(diǎn)。希望試驗(yàn)幾次后，你就能夠找到正確的編碼方式：

guess_encoding(charToRaw(x1))
#> encoding confidence
#> 1 ISO-8859-1 0.46
#> 2 ISO-8859-9 0.23
guess_encoding(charToRaw(x2))
#> encoding confidence
#> 1 KOI8-R 0.42

guess_encoding() 的第一個(gè)參數(shù)可以是一個(gè)文件路徑，也可以是一個(gè)原始向量（適用于字

符串已經(jīng)在 R 中的情況），就像本示例一樣。