R read.table csv，带有经典-mac行尾答案

【问题标题】：R read.table csv with classic-mac line endingsR read.table csv，带有经典-mac行尾
【发布时间】：2012-02-06 19:45:09
【问题描述】：

我有一个逗号分隔值文件，当我在 vim 中打开它时如下所示：

12,31,50,,12^M34,23,45,2,12^M12,31,50,,12^M34,23,45,2,12^M

等等。我相信这意味着我的 CSV 仅使用 CR（经典 mac）行尾。 R 的 read.table() 函数表面上需要 LF 行结尾，或者它的一些变体。

我知道我可以预处理文件，这可能就是我要做的。

除了那个解决方案：有没有办法将 CR 文件直接导入 R？例如，write.table() 有一个“eol”参数，可以用来指定输出的行尾——但我没有看到 read.table() 的类似参数（参见http://stat.ethz.ch/R-manual/R-patched/library/utils/html/read.table.html）。

【问题讨论】：

或者，如果 R 应该能够优雅地处理 mac 行尾，我会知道我还有另一个问题......

标签： r csv line-endings

【解决方案1】：

R 不会将 "^M" 识别为任何有用的东西。（我想 vim 可能只是向您显示一个 cntrl-M 作为该字符。）如果它在文本连接流中，R 会认为它不是一个有效的转义字符，因为“^”不用于该目的。您可能需要进行预处理，除非您想通过 scan() 传递它并使用 gsub() 替换：

subbed <- gsub("\\^M", "\n", scan(textConnection("12,31,50,,12^M34,23,45,2,12^M12,31,50,,12^M34,23,45,2,12^M"), what="character"))
Read 1 item

> read.table(text=subbed, sep=",")
  V1 V2 V3 V4 V5
1 12 31 50 NA 12
2 34 23 45  2 12
3 12 31 50 NA 12
4 34 23 45  2 12

我想您可能需要使用“\\m”作为patt 的参数gsub。

进一步说明：扫描的帮助页面说：“无论在何种模式下打开连接，LF、CRLF 或 CR 中的任何一个都将被接受为一行的 EOL 标记，因此将匹配 sep = "\n" 。”所以换行符（“\n”，如果它们是这样的话）应该已经被识别出来了，因为read.table 是基于scan。您应该查看 ?Quotes 以获取有关转义字符的信息。

如果这个 vim tutorial 被认为是与 DOS 相关的字符，因为它提供了这个建议：

去除 DOS ctrl-M's:

:1,$ s/{ctrl-V}{ctrl-M}//

【讨论】：

是的，^M 只是 vim 的 CR 占位符。而且，在仔细查看我的错误后，发现我的问题在转换为 LF 后仍然存在：我只需要首先设置 fill=T ：#
啊，旧的可变长度行问题。 count.fields 函数非常适合该问题。

【解决方案2】：

有一个不需要预处理或外部 hack 的 R 原生解决方案。对于 Mac 字符编码，您应该使用 read.table 函数的 encoding 输入参数并将其设置为等于 "latin1"。

比如说你的Mac文件（返回的^M）格式保存为test.csv，加载如下：

 test <- read.table("./test.csv", sep=",", encoding="latin1")

要查看可以将encoding 参数类型?Encoding 传递到R 解释器的选项，您将看到"latin1"、"UTF-8"、"bytes" 或"unknown" 是受支持的编码。

这是最好和最干净的方法。

【讨论】：