在 Windows 上读取非 ascii 文件路径

Question

我有一堆文件名包含非 ASCII 字符的文本文件。例如这是一个标题：

readLines('bbb/ović, Melika_ Omeragić, Ismir_ Bata.txt')

## Error in file(con, "r") : cannot open the connection
## In addition: Warning message:
## In file(con, "r") :
##   cannot open file 'bbb/ovi?, Melika_ Omeragi?, Ismir_ Bata.txt': Invalid argument

我试试：

dir('bbb')
## [1] "ovic, Melika_ Omeragic, Ismir_ Bata.txt"

所以我尝试了：

readLines(list.files('bbb', full.names = TRUE))

## Error in file(con, "r") : cannot open the connection
## In addition: Warning message:
## In file(con, "r") :
##   cannot open file 'bbb/ovic, Melika_ Omeragic, Ismir_ Bata.txt': No such file or directory

如何以编程方式读取这些文件？文件的内容与这个问题无关，只是文件名中的特殊字符和读取的文件。

如果需要，如果有办法更改文件名以便读取它们，我也愿意。

我意识到我没有 MWE，但无法为这个问题创建一个。只需生成一个文本文件并将其命名为：ović, Melika_ Omeragić, Ismir_ Bata.txt 并使用我上面的代码读取它即可说明问题。

Answer 1

您可以使用一行代码将所有文件从非 ascii 重命名为更简单的名称：

file.rename(Sys.glob("*"),list.files())

确实，Sys.glob 函数与list.files 类似，但支持更好的非 ascii 字符。

如果您想在多个子文件夹中递归重命名，我建议使用 fs 包（函数 file_move 和 dir_ls）。如需更多信息，请查看我的其他答案：Reading accented filenames in R using list.files。

然后readLines 应该可以正常工作，但没有特殊字符:-)

Answer 2

Windows 中的事情非常棘手，但我能够使用以下帖子找到解决方法：

equivalent of (dir/b > files.txt) in PowerShell

R: can't read unicode text files even when specifying the encoding

我用来读取文件的想法是将其名称写入文件中，然后使用适当的编码从那里读取它。

我的解决方案如下（我使用here 库仅出于可重复性的原因）：

libarary(here)

obtain.files <- function(folder){
  # Obtain all files in folder and write output into file
  system(paste0("cmd /K ",'cd /d "',folder,'/" &  cmd /u /c "dir /b > filestmp.txt"'))
  tmpfilepath <- paste0(folder,"/filestmp.txt")
  # Read temporal file 
  # Not sure it will work in all windows versions
  RL<-readLines(con <- file(tmpfilepath,encoding="UCS-2LE"))

  # Remove file
  file.remove(tmpfilepath)
  # Keep only valid files
  RL <- RL[RL!="filestmp.txt"]
  return(RL)
}

folder <- here::here("bbb")
# There is only one file in the folder
files <- obtain.files(folder)

readLines(here::here("bbb",files))

我使用了第一篇文章中的cmd 命令，输出在UCS-2LE 中。它可能不是独立于平台的。对于powershell，filetmp.txt 在UTF-16 中，可能是一个更普遍的例子。

Answer 3

我可以使用readr 的read_lines_raw 读取名称为ović、Melika_ Omeragić、Ismir_ Bata.txt 的文件。字节序列甚至似乎和里面的文字相匹配，这是一件好事。

#file on my desktop
path <- '~/Desktop/ović, Melika_ Omeragić, Ismir_ Bata.txt'
##Assumming the file contains the word 'foobar'
x <- charToRaw('foobar')


#Using readr
n <- readr::read_lines_raw(path)
print(n)
[[1]]
[1] 66 6f 6f 62 61 72

print(x)
[1] 66 6f 6f 62 61 72

希望这会有所帮助。