r-如何使用外部数据库中的信息进行正确的字符编码

Question

在我的数据库中，我在表的字段中有这个值

CIÖN

元音中的重音"；O〃；，当我通过连接DBI将表中的信息输入R时，字符以这种方式错误地显示

CI\xe0N

我已经尝试定义其他编码，比如"；latin1"；以及"；windows-1252"；但他们都失败了。

代码尝试：

library(DBI)
con <- dbConnect(odbc::odbc(), Driver = "{MariaDB ODBC 3.1 Driver}",
Server = "{server}", database = "database", UID = "user",
PWD = rstudioapi::askForPassword("password"),
Port = "port"
, encoding = "windows-1252")
# , encoding = "latin1") #I've tried "latin1" too                         
# , encoding = "UTF-8") #I've tried "UTF-8" too   
sql_r<- "select field  from table"
res <- dbGetQuery(con,sql_r)

尝试编码：

LATIN1         display -> IàN
LATIN2         display -> IŕN
WINDOWS-1252   display -> IàN
UTF-8          display -> Ixe0N   (is the default display)

如果有助于，我将在服务器SQL中共享sessionInfo(((区域设置(和表的信息

sessionInfo()
locale:
[1] LC_COLLATE=Spanish_Mexico.utf8  LC_CTYPE=Spanish_Mexico.utf8    LC_MONETARY=Spanish_Mexico.utf8
[4] LC_NUMERIC=C                    LC_TIME=Spanish_Mexico.utf8 

DB中表的排序规则。

utf8mb3_general_ci

Answer 1

您面临一个mojibake案例。以下R代码可以帮助检测dbConnect函数中参数encoding的正确值：

x <- "CIxe0N"
c(x, uchardet::detect_str_enc(x))
# [1] "CIxe0N" "IBM852" 

事实上，Ó(U+00D3，带锐音符的拉丁文大写字母O(的特定mojibake大小写遇到了更多的编码(Python中的示例，因为它具有通用的可理解性(：

['Ó'.encode(e).decode('LATIN1') for e in ['cp775','cp850','cp852','cp857','cp858']]
# ['à', 'à', 'à', 'à', 'à']
['Ó'.encode(e).decode('LATIN2') for e in ['cp775','cp850','cp852','cp857','cp858']]
# ['ŕ', 'ŕ', 'ŕ', 'ŕ', 'ŕ']