导入带有“特殊”字符的.csv文件

Question

我正在尝试将.csv文件读入R。该.csv文件是在Excel中创建的，它包含“长”破折号，这是Excel“自动更正”序列空间-破折号-空格的结果。 包含这些“长”破折号的示例条目：

美国–加利福尼亚–洛杉矶
美国–华盛顿–西雅图

我尝试了不同的编码，包括以下三个选项：

x <- read.csv(filename, encoding="windows-1252") # Motivated by http://www.perlmonks.org/?node_id=551123
x <- read.csv(filename, encoding="latin1")
x <- read.csv(filename, encoding="UFT-8")

但是，长破折号显示为 （第一个和第二个选项）或<U+0096> （第三个选项）。

我意识到我可以用不同的格式存储文件或使用不同的软件（ 使用UTF8编码的Excel到CSV ），但这不是重点。

有谁知道在这种情况下R中的哪种编码选项有效？

Answer 1

如果您使用的是RStudio，请使用“导入数据集”。

• 使用标题：否
• 分隔符空白
• 小数点
• 报价双引号
• 取消选中字符串作为因素

加载文档后，您只需删除现在显示为“？”的列即可 您可以看到这是第2列和第4列。如果您有数据框mydf，则可以像这样删除第二列。

mydf_new<-mydf[-2]

您可以对另一列（即现在的第3列）执行相同的操作。