R xử lý Unicode/UTF-8 như thế nào?

Question

Nếu tôi viết

`Δ` <- function(a,b) (a-b)/a 

sau đó tôi có thể bao gồm U+394 chừng nào nó kèm theo trong backticks. (Ngược lại, Δ <- function(a,b) (a-b)/a không thành công với unexpected input in "�".) Vì vậy, dường như R phân tích cú pháp UTF-8 hoặc Unicode hoặc một cái gì đó tương tự. Việc chuyển nhượng diễn ra tốt đẹp và do đó, việc đánh giá ví dụ:

`Δ`(1:5, 9:13) 

. Và tôi cũng có thể đánh giá Δ(1:5, 9:13).

Cuối cùng, nếu tôi đã xác định một cái gì đó như winsorise <- function(x, λ=.05) { ... } thì λ (U+3bb) không cần phải được "giới thiệu" R bằng backtick. Sau đó tôi có thể gọi winsorise(data, .1) mà không gặp sự cố nào.

---

Chỉ tài liệu mention trong tài liệu R Tôi có thể tìm thấy mã unicode nằm trên đầu. Ai đó có thể hiểu nó tốt hơn giải thích cho tôi - điều gì đang xảy ra "dưới mui xe" khi R cần ` để hiểu nhiệm vụ ♔, nhưng có thể phân tích ♔ (a, b, c) sau khi được chỉ định?

Answer 1

Đối với hồ sơ, dưới R-devel (2015/02/11 r67792), Win 7, miền địa phương tiếng Anh Anh, tôi thấy:

options(encoding = "UTF-8") 

`Δ` <- function(a,b) (a-b)/a 
## Error: \uxxxx sequences not supported inside backticks (line 1) 

Δ <- function(a,b) (a-b)/a 
## Error: unexpected input in "\" 

"Δ" <- function(a,b) (a-b)/a  # OK 

`Δ`(1:5, 9:13) 
## Error: \uxxxx sequences not supported inside backticks (line 1) 

Δ(1:5, 9:13) 
## Error: unexpected input in "\" 

"Δ"(1:5, 9:13) 
## Error: could not find function "Δ" 

Answer 2

tôi không thể nói chuyện với những gì đang xảy ra dưới mui xe liên quan đến chức năng cuộc gọi so với đối số chức năng, nhưng this email from Prof. Ripley từ năm 2008 có thể làm sáng tỏ (đoạn trích dưới đây):

R passes around, prints and plots UTF-8 character data pretty well, but it translates to the native encoding for almost all character-level manipulations (and not just on Windows). ?Encoding spells out the exceptions [...]

lý do R không bản dịch này (trên Windows ít nhất) được đề cập trong the documentation that the OP linked to:

Windows has no UTF-8 locales, but rather expects to work with UCS-2 strings. R (being written in standard C) would not work internally with UCS-2 without extensive changes.

Các tài liệu R cho ?Quotes giải thích cách bạn đôi khi có thể sử dụng ký tự out-of-locale nào (nhấn mạnh thêm):

Identifiers consist of a sequence of letters, digits, the period (.) and the underscore. They must not start with a digit nor underscore, nor with a period followed by a digit. Reserved words are not valid identifiers.

The definition of a letter depends on the current locale, but only ASCII digits are considered to be digits.

Such identifiers are also known as syntactic names and may be used directly in R code. Almost always, other names can be used provided they are quoted. The preferred quote is the backtick (`), and deparse will normally use it, but under many circumstances single or double quotes can be used (as a character constant will often be converted to a name). One place where backticks may be essential is to delimit variable names in formulae: see formula.

Có một cách khác để có được nhân vật như vậy, đó là sử dụng unicode trình tự thoát (như \u0394 cho Δ). Điều này thường là một ý tưởng tồi nếu bạn sử dụng ký tự đó cho bất kỳ điều gì khác ngoài văn bản trên một âm mưu (ví dụ, đừng làm điều này cho tên biến hoặc tên hàm, xem trích dẫn này từ the R 2.7 release notes, khi nhiều UTF-8 hiện tại hỗ trợ đã được thêm):

If a string presented to the parser contains a \uxxxx escape invalid in the current locale, the string is recorded in UTF-8 with the encoding declared. This is likely to throw an error if it is used later in the session, but it can be printed, and used for e.g. plotting on the windows() device. So "\u03b2" gives a Greek small beta and "\u2642" a 'male sign'. Such strings will be printed as e.g. <U+2642> except in the Rgui console (see below).

Tôi nghĩ rằng điều này giải quyết hầu hết các câu hỏi của bạn, mặc dù tôi không biết tại sao có sự khác biệt giữa tên hàm và ví dụ đối số hàm bạn đã cung cấp; hy vọng ai đó có kiến ​​thức nhiều hơn có thể kêu vang trong đó. FYI, trên Linux tất cả các cách khác nhau để gán và gọi một tác phẩm chức năng mà không có lỗi (vì hệ thống locale là UTF-8, vì vậy không dịch cần xảy ra):

Δ <- function(a,b) (a-b)/a   # no error 
`Δ` <- function(a,b) (a-b)/a  # no error 
"Δ" <- function(a,b) (a-b)/a  # no error 
"\u0394" <- function(a,b) (a-b)/a # no error 
Δ(1:5, 9:13)  # -8.00 -4.00 -2.67 -2.00 -1.60 
`Δ`(1:5, 9:13)  # same 
"Δ"(1:5, 9:13)  # same 
"\u0394"(1:5, 9:13) # same 

sessionInfo() 

# R version 3.1.2 (2014-10-31) 
# Platform: x86_64-pc-linux-gnu (64-bit) 

# locale: 
# LC_CTYPE=en_US.UTF-8 LC_NUMERIC=C    LC_TIME=en_US.UTF-8 
# LC_COLLATE=en_US.UTF-8 LC_MONETARY=en_US.UTF-8  LC_MESSAGES=en_US.UTF-8 
# LC_PAPER=en_US.UTF-8 LC_NAME=C     LC_ADDRESS=C 
# LC_TELEPHONE=C   LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C 

# attached base packages: 
# stats graphics grDevices utils datasets methods base