我正在努力将对话文本转换为R可读取的格式。但是，我遇到了一些特殊字符，例如卷曲引号、短横线等。通常情况下，我会在微软产品中使用
结果是：
这将给出：
为了让我的期望结果更加清晰，我将从像维基百科这样的页面中抓取表格：http://en.wikipedia.org/wiki/Quotation_mark_glyphs 并使用Unicode参考图表适当地替换字符。因此，我需要将字符转换为Unicode或某种标准格式，以便我可以系统地遍历并替换字符。也许它已经是Unicode格式了，而我却没有注意到。
PS：我不将文件保存为.csv或纯文本，因为特殊字符会被替换为
replace来替换这些特殊字符。通常情况下，我会用普通文本替换特殊字符，但有时也希望用其他字符替换它们（例如，我会用 { } 替换 “ ”）。这很繁琐，而且不总是彻底的。如果我可以按原样将文本读入R，然后使用编码将其转换为可识别的Unicode格式，我就可以使用gsub将其替换为普通文本版本。但是，文件以我不理解的某种方式被读入了。以下是我的数据可能看起来像的xlsx文件：
http://dl.dropbox.com/u/61803503/test.xlsx
这是 .xlsx 文件中的内容
text num
“ ” curly quotes 1
en dash (–) and the em dash (—) 2
‘ ’ curly apostrophe-ugg 3
… ellipsis are uck in R 4
这可以用以下方式读入R：
URL <- "http://dl.dropbox.com/u/61803503/test.xlsx"
library(gdata)
z <- read.xls(URL, stringsAsFactors = FALSE)
结果是：
text num
1 “ †curly quotes 1
2 en dash (–) and the em dash (—) 2
3 ‘ ’ curly apostrophe-ugg 3
4 … ellipsis are uck in R 4
于是我尝试使用 Encoding 进行转换为 Unicode：
iconv(z[, 1], "latin1", "UTF-8")
这将给出：
[1] "â\u0080\u009c â\u0080\u009d curly quotes" "en dash (â\u0080\u0093) and the em dash (â\u0080\u0094)"
[3] "â\u0080\u0098 â\u0080\u0099 curly apostrophe-ugg" "â\u0080¦ ellipsis are uck in R"
这使得使用gsub的效果不佳。
我该怎么做才能将这些特殊字符转换为可区分的Unicode，以便我可以适当地进行gsub处理？更明确地说，我希望z [1,1]的读数为：
\u201C 2\u01D curly quotes
为了让我的期望结果更加清晰，我将从像维基百科这样的页面中抓取表格：http://en.wikipedia.org/wiki/Quotation_mark_glyphs 并使用Unicode参考图表适当地替换字符。因此，我需要将字符转换为Unicode或某种标准格式，以便我可以系统地遍历并替换字符。也许它已经是Unicode格式了，而我却没有注意到。
PS：我不将文件保存为.csv或纯文本，因为特殊字符会被替换为
?，因此使用read.xls。如果您有更好的读取文件方法（例如read.xls），我并不固执。