PC/MAC/Ubuntu 之间的非英文字符 CSV 编码错误

Question

这个问题困扰了一年。我的 R 无法打开包含简体 中文 字符的 csv 文件。我相信数据编码为GBK。我有三台不同语言和操作系统的电脑，打开同一个中文 csv 文件时，结果混合结果。有人能告诉我为什么结果不同吗？

• (1)Windows+English OS+English R and R studio：无法读取我的 csv，即使我将其编码为 UTF8、GBK，而您将其命名为中文编码。

• (2) Mac+EnglishOS+English R: ABLE 读取中文csv而不强制编码（更新：我重新安装操作系统到El Caption后，它无法打开我的csv 正确）

• (3) Windows+中文操作系统，+中文R：ABLE读取csv而不强制编码或gbk

• (4) Windows+英文操作系统，+中文R：无法
• (5) Ubuntu 英文操作系统，英文 R：ABLE
• 在windows case（中英文操作系统）下，notebook可以正确打开csv，但是在英文case下不能打开excel。当我无法用 excel 打开我的 csv 时，我的 r 也不能。
• 如果我通过 Google 表格聚合 csv，我的 excel 可以打开我的 csv，但 R 仍然不行。

编码在 R 中是如何工作的，为什么结果会随着 OS 语言而变化？

 read.csv(...,encoding=)

Answer 1

可能与 excel csv 编码系统有关。如果您的 Windows 操作系统是英文。 excel 可能无法正确打开 cvs。一种解决方法是使用 google sheer 或 Ubuntu 安装表将其收敛到 csv 并尝试使用 r 打开它。

Answer 2

我已经想出了如何解决。它处理包含简体中文字符的小于 800M 的大型文件。关键是你应该知道你的操作系统默认的中文编码。

Ubuntu 使用 UTF-8 作为默认的中文编码。所以你应该将其编码为 UTF-8 而不是 GB18130 或其他 GB 起始编码。

• (1) 下载 Open Office（免费且安装速度快，有更高的 文件大小比 Ubuntu 中的 Cals）。

• (2) 检测您的 CSV 编码。只需使用 Open office 打开您的 csv，然后选择一种显示您的汉字的编码方式。

• (3) 将您的 csv 保存到根据您的正确编码系统 操作系统。默认Windows是中文的GBK，Ubuntu是 UTF8。

这应该可以解决您的文件大小问题和编码问题。您甚至不强制编码。正常的read.csv 可以工作。