read.table（）中的一个字节分隔符参数

Question

我正在将不可预测的字符集字符串放入表中，预期列数。我在选择合适的分离器时遇到了麻烦。

例如，示例表可能如下所示：

FILENAME：foo.txt

分离者：“\ u00AA”

ROW1，COL1：foo

ROW1，COL2：b，ar

ROW1，COL3：fo; obar

ROW1，COL4：bo \ tt

然后。

在R中，我会给出

  

read.table（'foo.txt'，sep =“\ u00AA”）

并获取

  

无效的'sep'值：必须是一个字节

我应该使用什么分隔符来避免与不可预测的字符串冲突？ Unicode被接受到\ u007F，但R将更高的任何东西解释为多字节。为什么呢？

Answer 1

想出来。谢谢你的灵感。

关键是设置comment.char =“”和quote =“”

例如，

  

read.table（'foo'，sep =“\ t”，quote =“”，comment.char =“”）

返回正确的data.frame。

Answer 2

调试输入问题的方法是首先运行table(count.fields( 'file.nam'))和oddities <- which(count.fields('file.nam') %in% odd_counts)，然后查看readLines('fil.nam')[oddities]版本或使用sed查看有问题的行。通常问题是注释字符，默认情况下为“＃”，在这种情况下，解决方案是在comment.char=""调用中使用read.delim(.)。