在R中导入带有特殊字符的数据

Question

下图显示了在R中导入数据（记事本）之前和导入之后数据的状态。

我使用以下命令将其导入R：

Data <- read.csv('data.csv',stringsAsFactors = FALSE,header = TRUE,quote = "")

可以看出，诸如ae之类的特殊字符已被替换为A |之类的东西。（第19行位于左侧，第18行位于右侧）。有没有办法按原样导入CSV文件？（使用R）

Answer 1

你的问题是编码问题。这有两个方面：首先，Notepad++ 保存的内容可能与您在保存的文本文件中期望的编码不一致，其次，R 可能正在读取read.csv()基于不同编码的文件，尤其是可能，因为如果您使用的是 Notepad++，那么这表明您使用的是 Windows，因此您可能无法将 UTF-8 作为 R 的系统区域设置。

因此，依次考虑每个问题：

1. 让 Notepad++ 以特定的编码保存您的文件。在这里，您可以使用这些说明为新文件设置编码。我总是使用 UTF-8 但在这里因为你的文本是丹麦语，Latin-1 也应该工作。

   要验证文本的编码，您可能希望使用RToolsfile提供的实用程序。这将告诉您有关命令行中文件的可能编码的一些信息，尽管它并不完美。（OS X 和 Linux 用户已经拥有此功能，无需安装其他实用程序。）

2. 将 .csv 文件导入 R 时设置编码。使用 导入文件时read.csv()，指定encoding = "UTF-8"或encoding = "Latin-1"。您可能还想检查您的系统编码是什么，并匹配它。您可以使用Sys.getlocale()（并使用Sys.setlocale().）来执行此操作，例如在我的系统上：

   > Sys.getlocale()
   [1] "en_GB.UTF-8/en_GB.UTF-8/en_GB.UTF-8/C/en_GB.UTF-8/en_GB.UTF-8"
   

   您当然可以将其设置为 Windows-1252，但如果在其他平台上使用它，您可能会遇到可移植性问题。UTF-8 是最好的解决方案。