More than 5 years have passed since last update.

UTF-16実体参照をUTF-8に変換

Last updated at 2015-11-03Posted at 2015-11-03

国立国会図書館のSPARQLデータベースにアクセスしたら、日本語はUTF-16で実体参照されていた。

しょうがないので変換する。

library(stringi) ; library(gsubfn)
> stri_unescape_unicode( gsubfn("&#x|;", list("&#x" = "\\u", ";" = ""),  "&#x590F;&#x76EE;"))
[1] "夏目"

あとで以下の方法を鍵垢氏より教えてもらった。余計なパッケージを利用する必要がないので、こちらが吉。

> stri_unescape_unicode(stri_replace_all_fixed("&#x590F;&#x76EE", c("&#x", ";"), c("\\u", ""), vectorize_all = FALSE))
[1] "夏目"

ちなみにjsonを指定すると、普通にUTF-8を返してきた。ばかやろう。