如何保持 .rtf 的编码

Question

我是巴西人，这是我第一次在 R 中处理文本。

我需要将 .rtf 转换为 .txt 文件。

由于我是巴西人，所以我说葡萄牙语，并且需要这些字符：ã、õ、í、ç、ô 等。

示例

text <- "o de garantias adequadas e suficientes do cooperado ou de seus garantidores e a observância das demais normas regulamentares oficiais e internas do Sistema, e com respeito aos princípios da boa gestão, da seletividade, da diversificação"

我的原始代码：

files <- list.files("estatutos/rtf/", pattern = "\\.rtf$")

for (file in 1:length(files)) {
  x <- files[file]
  
  # read RTF into R
  y <- striprtf::read_rtf(paste("estatutos/rtf/", x, "", sep = "")) 
  
  # strip RTF encoding
  z <- striprtf::strip_rtf(y) |>
    iconv(from = "UTF-8", to = "latin1")
  
  # Write each to a TXT file by its original name
  write(z, paste("estatutos/txt/", x, ".txt", sep = ""))
  
  # Tell about progress
  cat("Processing file", x, " - ", file, "of", length(files), "\n")
}
rm(files, x, y, z, file, i)

我的问题：

当我阅读 .rtf 时，我有一个这样的列表

 [523] "o de garantias adequadas e suficientes do cooperado ou de seus garantidores e a observ"                                                                                                  
 [524] "â"                                                                                                                                                                                       
 [525] "ncia das demais normas regulamentares oficiais e internas do Sistema, e com respeito aos princ"                                                                                          
 [526] "í"                                                                                                                                                                                       
 [527] "pios da boa gest"                                                                                                                                                                        
 [528] "ã"                                                                                                                                                                                       
 [529] "o, da seletividade, da diversifica"                                                                                                                                                      
 [530] ""                                                                                                                                                                                       
 [531] "o de riscos e da seguran"                                                                                                                                                                
 [532] "ç"                                                                                                                                                                                       
 [533] "a operacional."                            

如何将其放入一个文本中？

我尝试使用 striprtf::strip_rtf()，并且我有全文，但也有：

[1] o de garantias adequadas e suficientes do cooperado ou de seus garantidores e a observ?ncia das demais normas regulamentares oficiais e internas do Sistema, e com respeito aos princ?pios da boa gest?o, da seletividade, da diversificao                                

“？”应该是“â”、“í”、“ã”和“çã”。

ps：我还尝试使用 paste(y,collapse='') 将列表作为字符串，但是 '?'仍然出现，

Answer 1

striprtf::read_rtf 使用 readLines() 读取实际文件。

readLines() 有一个 encoding 参数。

最有可能的是像 striprtf::read_rtf(...,encoding = "latin1") 这样的东西适合你，因为“latin1”适用于大多数西欧语言，例如葡萄牙语。