我正在处理缅甸语文本,并尝试在 R 中运行主题模型。R 似乎无法显示和呈现缅甸语字符。当我将数据设置为 data.frame 时,缅甸字符会正确呈现:
data<-read.csv("data.csv", fileEncoding ="UTF8", encoding="UTF-8", stringsAsFactors=FALSE)
filenames<-data[,2]
txts<-data[,5]
docs <-data.frame(docs= txts,row.names=filenames)
ds <- DataframeSource(docs)
cases<-Corpus(ds)
cases[[1]]
လိုက်... #[the rest is a text file with properly rendered Burmese]
但是,当文本不是来自 data.frame 或直接来自 csv 文件时,有几个字符:
data[1,5]
လိုက\u103a
其余的是一段文本,其中一些重音符号显示不正确,如本例所示。
我已经检查了使用的编码Encoding()
,R 确认在这两种情况下我都使用 UTF-8。
仅供参考,我使用的是运行 R64 的 Mac。我有一位使用 PC 的同事并没有遇到此问题,但我们无法隔离问题。