在 R 中导入带有特殊字符的数据答案

【问题标题】：Importing data with special characters in R在 R 中导入带有特殊字符的数据
【发布时间】：2015-11-13 14:35:57
【问题描述】：

下图显示了我在 R 中导入它（记事本）之前和导入之后的数据。

我使用以下命令将其导入到 R 中：

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

可以看出ae等特殊字符被替换为A|之类的东西（第 19 行在左边，第 18 行或右边）。有没有办法按原样导入 CSV 文件？（使用 R）

【问题讨论】：

你试过install.packages("data.table");library(data.table);fread()吗？
如果您知道编码类型，您可以在 readLines 的参数中设置它。
@dc3 数据来自网络抓取，所以我猜它们没有标准格式。对？或者可能是？
@MpizosDimitris 正确 - 通常您可以检查编码类型（取决于您使用的浏览器）。由于它不是英文的，因此您必须查找最常见的编码...如果您无法弄清楚，则始终可以选择查找模式并仅使用 gsubbing。 - 也许这有帮助：htmlpurifier.org/docs/enduser-utf8.html#findcharset
不久前我遇到了一个与此类似的问题。我收到的一些建议可能有助于缩小错误来源：stackoverflow.com/questions/23152861/reading-foreign-characters

标签： r csv character-encoding special-characters

【解决方案1】：

您的问题是编码问题。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所期望的编码不对应，其次，R 可能正在使用基于不同编码的read.csv() 读取文件，这尤其可能，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。

所以轮流处理每个问题：

让 Notepad++ 以特定编码保存文件。在这里，您可以使用these instructions 为新文件设置编码。我总是使用 UTF-8，但由于您的文本是丹麦语，因此 Latin-1 也应该可以使用。

要验证文本的编码，您可能希望使用RTools 提供的file 实用程序。这将告诉您有关命令行中文件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。）
将 .csv 文件导入 R 时设置编码。 当您使用 read.csv() 导入文件时，请指定 encoding = "UTF-8" 或 encoding = "Latin-1"。您可能还想检查您的系统编码是什么，并与之匹配。您可以使用Sys.getlocale() 执行此操作（并使用Sys.setlocale() 进行设置。）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。

【讨论】：

【解决方案2】：

在我的例子中，我只使用了参数 [encoding = "Latin-1"] 并且它起作用了。谢谢。

read.csv(paste(src,sprintf("%s.csv",x), sep = "/"), header = TRUE,
                         stringsAsFactors = FALSE, encoding = "Latin-1")

【讨论】：

这并不能真正回答问题。如果您有其他问题，可以点击进行提问。要在此问题有新答案时收到通知，您可以follow this question。一旦你有足够的reputation，你也可以add a bounty 来引起对这个问题的更多关注。 - From Review