我是一名有用的助手，可以翻译文本。
只需使用
但是：
所以，这表明一个工作方法：1）将使用
似乎无法与任何版本一起使用：
我有一个非常大的数据集（70k行，2600列，CSV格式），我通过网络爬虫创建了它。不幸的是，在进行预处理、处理等过程中，某些问题字符以奇怪的方式编码，导致我无法处理它们。
我有以下类似的字符串：
x = "but it doesn<U+0092>t matter"
查找代码，我们可以看到它应该是字符’，实际上应该是'（数据由用户生成，可能包含各种奇怪的字符）。虽然从这个字符来看，似乎其他人也有问题（1，2，3）。它被标记为控制字符，不确定是什么意思，但也许这就是为什么难以处理的原因。
R中关于Unicode的大部分其他问题都涉及格式为\u0092的Unicode。
只需使用Encoding()
让我们尝试一下：
#> x = "but it doesn<U+0092>t matter"
#> Encoding(x)
#[1] "unknown"
#> Encoding(x) = "UTF-8"
#> Encoding(x)
#[1] "unknown"
#> x
#[1] "but it doesn<U+0092>t matter"
所以这似乎没有任何作用。
使用来自先前问题的hack函数
有一些先前的问题涉及此Unicode格式并尝试进行转换：
奇怪的是，他们给出的示例可以工作，但我的却不能。
#> test.string <- "This is a <U+03B1> <U+03B2> <U+03B2> <U+03B3> test <U+03B4> string."
#> Encoding(test.string)
#[1] "unknown"
#> to_true_unicode(test.string)
#[1] "This is a α β β γ test δ string."
但是：
#> x2 = to_true_unicode(x)
#> x2
#[1] "but it doesn\u0092t matter"
#> cat(x2)
#but it doesnt matter
#> Encoding(x2)
#[1] "UTF-8"
因此，它成功地将格式从\u转换为<U+....>格式，并使用cat()打印字符，不带该符号（或在SO上出现错误符号）。
手动搜索和替换
我只有有限数量的这些问题，所以我可以尝试使用搜索和替换来解决它。但是：
#> #base-r
#> gsub(x = x, pattern = "<U+0092>", replacement = "'")
#[1] "but it doesn<U+0092>t matter"
#> #stringr/stringi
#> library(stringr)
#> str_replace(x, pattern = "<U+0092>", "'")
#[1] "but it doesn<U+0092>t matter"
因此替换似乎不起作用，但在\u版本上确实有效：
#> #base-r
#> gsub(x = x2, pattern = "\u0092", replacement = "'")
#[1] "but it doesn't matter"
#> #stringr/stringi
#> library(stringr)
#> str_replace(x2, pattern = "\u0092", "'")
#[1] "but it doesn't matter"
所以，这表明一个工作方法：1）将
<U+>格式转换为\u格式，然后使用搜索替换。
使用stringi::stri_unescape_unicode()进行反转义
似乎无法与任何版本一起使用：#> stringi::stri_unescape_unicode(x)
#[1] "but it doesn<U+0092>t matter"
#> stringi::stri_unescape_unicode(x2)
#[1] "but it doesn\u0092t matter"
你是否有一般适用的方法来处理这类问题？
我的设置
我的sessionInfo如下：
> sessionInfo()
R version 3.2.3 (2015-12-10)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows >= 8 x64 (build 9200)
locale:
[1] LC_COLLATE=Danish_Denmark.1252 LC_CTYPE=Danish_Denmark.1252 LC_MONETARY=Danish_Denmark.1252
[4] LC_NUMERIC=C LC_TIME=Danish_Denmark.1252
attached base packages:
[1] stats graphics grDevices utils datasets methods base
other attached packages:
[1] stringr_1.0.0
loaded via a namespace (and not attached):
[1] magrittr_1.5 tools_3.2.3 stringi_1.0-1
在 Windows 8.1 64 位操作系统上，使用 RStudio（0.99.893 预览版）运行 R。键盘和时间单位为丹麦语，但其他所有内容均为英文。