在Windows上用R中的SUB(1a)(Control-Z)字符读取文本文件

Question

继上周我的查询中读取R-mismatched引号中的格式错误的csv后,这些相同的CSV文件也有嵌入的控制字符,例如ASCII 替换字符,即十进制26或0x1A.不幸的是readLines()似乎截断了这个字符的行,所以我很难匹配引号 - 除了丢失这些行中的后面的字段!

我试过readBin()但我无法读到这个文件.我担心我不能干净地把它读成R给你一个例子,我很难在R中创建这些.抱歉不能用一个干净的例子来证明.思考？

更新

现在我很困惑 - 当我使用代码时

 h3 <- paste('1,34,44.4,"', rawToChar(as.raw(c(as.integer(k1), 26, 65))), '",99')
 identical(readLines(textConnection(h3)), h3)

我觉得TRUE我觉得很惊讶!

更新2

 h3
[1] "1,34,44.4,\" HIJK\032A \",99"
> writeLines(h3, 'h3.txt')
> h3a <- readLines('h3.txt')
Warning message:
In readLines("h3.txt") : incomplete final line found on 'h3.txt'
> h3a
[1] "1,34,44.4,\" HIJK"

所以当来自a时,readLines()的反应会有所不同,textConnection()并且它会在SUB字符处静默截断.

如果它有所作为我会感到惊讶,但我在Windows-64上的2.15.2.

更新3

解决这个问题有些模糊的成功......

zb <- file('h3.txt', "rb")
tmp <- readBin(zb, raw(), size=1, n=400) # raw is always of size =1
nchar(tmp)
# [1] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
close(zb)
tmp
# [1] 31 2c 33 34 2c 34 34 2e 34 2c 22 20 48 49 4a 4b 1a 41 20 22 2c 39 39 0d 0a
rawToChar(tmp)
# [1] "1,34,44.4,\" HIJK\032A \",99\r\n"

即如果我在文件中读取二进制文件并转换为character()后,它似乎工作...这对于大型CSV文件来说将是乏味的...

R中是否存在错误检测到Control-Z为Windows上文件结尾的错误？

Answer 1

我想我已经找到了解决方案 - 因为在Windows上的文件中间读取Control-Z似乎有问题,我们需要以二进制/原始模式读取文件.

fnam <- 'h3.txt'
tmp.bin <- readBin(fnam, raw(), size=1, n=max(2*file.info(dfnam)$size, 100))=1
tmp.char <- rawToChar(tmp.bin)
txt <- unlist(strsplit(tmp.char, '\r\n', fixed=TRUE))
txt

[1] "1,34,44.4,\" HIJK\032A \",99"

更新 以下更好的答案由Duncan Murdoch发布给R-Devel 参考.将它转换为我得到的函数:

sReadLines <- function(fnam) {
    f <- file(fnam, "rb")
    res <- readLines(f)
    close(f)
    res
}