提取损坏的字符串

Question

我收到了一个怪异编码的文件，想知道是否有任何办法 检查“损坏”字符串。例如，

dat <- c("天脊煤化工集团股份有é\231\220å…¬å\217¸", "AB \"\"Achema\"\"", 
         "Abu Qir Fertilizers & Chemical", "Abu Zaabal Fertilizer &", 
         "ADP - Adubos De Portugal SA")

上面向量中的1和2元素被损坏，因为它们中有字符串和逃脱字符。我如何在vector dat中过滤或生成损坏字符串的索引

Answer 1

error_string_idx <- which(
  is.na(
    iconv(
      dat,
      to = "ascii"
    ) 
  ) | grepl('\\\\|\\"', dat)
)

Answer 2

请尝试此尝试

gsub("[^a-zA-Z]" , "" , dat)

如果您不想空的角色使用，

Filter(function(x) nchar(x) , gsub("[^a-zA-Z]" , "" , dat))