[英]Cannot read unicode .csv into R
我有一個.csv文件,其中包含以下數據:
"Ա","Բ"
1,10
2,20
我無法將其讀入R中,以便列名顯示在文件中。
d <- read.csv("./Data/1.csv", fileEncoding="UTF-8")
head(d)
產生以下內容:
> d <- read.csv("./Data/1.csv", fileEncoding="UTF-8")
Warning messages:
1: In read.table(file = file, header = header, sep = sep, quote = quote, :
invalid input found on input connection './Data/1.csv'
2: In read.table(file = file, header = header, sep = sep, quote = quote, :
incomplete final line found by readTableHeader on './Data/1.csv'
> head(d)
[1] X.
<0 rows> (or 0-length row.names)
同時,在不指定fileEncoding的情況下執行相同操作會產生以下結果:
> d <- read.csv("./Data/1.csv")
> head(d)
Ô. Ô²
1 1 10
2 2 20
當我運行“文件”實用程序來找出文件的編碼時,它說它是UTF-8:
Data\1.csv: UTF-8 Unicode text, with CRLF line terminators
我使用的是RStudio,Windows 7,R版本2.15.2,32位。
提前致謝。
我在這里寫了一個更長的答案: Windows上的R:字符編碼地獄 。
快速回答,使用參數編碼而不是fileEncoding應該解決您的第一個問題。 您將無法在RStudio中的控制台或表視圖中讀取它,但您可以在公式中使用它。
d <- read.csv("./Data/1.csv", encoding="UTF-8")
head(d)
將表保存為UTF-8文件:
> test2 <- read.csv("test2.csv", header = FALSE, sep = ",", quote = "\"", dec = ".", fill = TRUE, comment.char = "", encoding = "UTF-8")
Warning message:
In read.table(file = file, header = header, sep = sep, quote = quote, :
incomplete final line found by readTableHeader on 'test2.csv'
這將為您提供在控制台和RStudio視圖中的外觀
> test2
V1 V2
1 <U+0531> <U+0532>
2 1 10
3 2 20
但是重要的是你可以在R中操作它。因此在我的情況下,可以看到腳本窗口輸入Ա具有UTF-8編碼,並且grep在表中正確地找到了這種編碼。
> Encoding("Ա")
[1] "UTF-8"
> grep("Ա", as.character(test2[1,1]))
[1] 1
您可能需要找到適合您的設置的合適編碼變體,或者可能更改它們。 不幸的是,我不確定它在哪里完成。
您可能無法在所有階段使其變得漂亮,但絕對有可能在Windows 7環境中使其工作。
我嘗試了兩種方法來復制你的問題。
我將上面的字符復制到RStudio中,用以下代碼將其保存到csv:
write.csv(c("Ա","Բ",
1,10,
2,20), "test.csv")
df <- read.csv("test.csv")
這很好。
然后我想,當我用R保存到CSV時,R可能是作弊? 所以我只是將字符粘貼到文本文件中並將其另存為CSV。 這種方法也沒有問題。
這是我的會話信息:
sessionInfo()
R version 3.0.1 (2013-05-16)
Platform: x86_64-pc-linux-gnu (64-bit)
locale:
[1] LC_CTYPE=en_CA.UTF-8 LC_NUMERIC=C LC_TIME=en_CA.UTF-8
[4] LC_COLLATE=en_CA.UTF-8 LC_MONETARY=en_CA.UTF-8 LC_MESSAGES=en_CA.UTF-8
[7] LC_PAPER=C LC_NAME=C LC_ADDRESS=C
[10] LC_TELEPHONE=C LC_MEASUREMENT=en_CA.UTF-8 LC_IDENTIFICATION=C
attached base packages:
[1] stats4 grid stats graphics grDevices utils datasets methods base
other attached packages:
[1] party_1.0-9 modeltools_0.2-21 strucchange_1.4-7 sandwich_2.2-10 zoo_1.7-10
[6] GGally_0.4.4 reshape_0.8.4 plyr_1.8 ggplot2_0.9.3.1
loaded via a namespace (and not attached):
[1] coin_1.0-23 colorspace_1.2-2 dichromat_2.0-0 digest_0.6.3
[5] gtable_0.1.2 labeling_0.2 lattice_0.20-23 MASS_7.3-29
[9] munsell_0.4.2 mvtnorm_0.9-9995 proto_0.3-10 RColorBrewer_1.0-5
[13] reshape2_1.2.2 scales_0.2.3 splines_3.0.1 stringr_0.6.2
我遇到了同樣的問題,發現該文件已損壞。
我用OpenOffice打開文件並使用“UTF8”字符集保存回來(你需要點擊編輯過濾器設置框),然后用read.csv()
(沒有編碼或文件編碼選項)導入它,它運行正常。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.