如何在R中找到Unicode字符串的“真实”字符数

Question

我知道如何在R中找到非Unicode字符串的长度。

nchar("ABC")

感谢在这里回答问题的所有人：如何在R中找到字符串的长度？。

但是对于Unicode字符串呢？

如何在Unicode字符串中查找字符串的长度（字符串中字符的数量）？如何在R中查找Unicode字符串的长度（以字节为单位）和字符数（符文、符号）？

- Igor Chubin

Answer 1

您可以使用 nchar 来表示字符数，使用 bytes 来表示字节数：

nchar("bi\u00dfchen", type="chars")
#[1] 7
nchar("bi\u00dfchen", type="bytes")
#[1] 8

在帮助中，您可以找到有关如何计算字符串大小的详细信息：

字符字符串的“大小”可以用三种方式之一来测量（对应类型参数）：

bytes：存储字符串所需的字节数（在C语言中还需加上结尾的结束符，但不计算在内）。

chars：可读取的字符数。

width：使用等宽字体打印字符串时，cat命令将使用的列数。如果无法计算，则与chars相同。

如果您想知道字符串中包含的“符号”的数量（可能包含Unicode，也可能不包含Unicode，即未经过解释的Unicode符号），可以使用来自stringi包的函数stri_escape_unicode：

library(stringi)
nchar(stri_escape_unicode("bi\u00dfchen")) # same as stri_length(stri_escape_unicode("bi\u00dfchen"))
# [1] 12

- Cath