R：正确读写编码文本

Question

我似乎无法正确编码。尝试重现问题会导致更令人惊讶的结果：

1. 真正的问题

我正在阅读的文件中包含的语言包含“ā，č，š，ū”等字符。

，例如names <- read.table("file", sep = "|", header = T)

通过调用View(names)，所有特殊字符都应显示为：



然而，通过简单地调用names R返回：



当我尝试编写文件时，出现了几乎相同的乱码。这就是我想要解决的问题。包含损坏字符的文件不会删除它。

1. 尝试重现：

a <- c("Šrilanka", "Ķīna", "Kanāda", "Ēģipte") write.csv(a, "test.csv", row.names = F) b <- read.table("test.csv", header = T)

这会产生非常令人惊讶的结果，因为生成的文件test.csv是完全可读的，但是当我将它读回R时，我遇到了相反的问题。

调用View(b)会产生：



简单地调用b时会产生：



完美的文字。

所以..回到问题的本质。我已将R中的默认文本编码设置为“UTF-8”。我尝试过使用带有混合结果的stringi包：

> stri_enc_mark(names$city)
[1] "native" "native" "native" "native" "ASCII"  "native"

强制进行某些编码：

> stri_encode(names$city, "ASCII", "UTF-8")
[1] "Balo��i"       "R��ga"         "Kr��slava"     "BAB��TES NOV." "Jelgava"       "R��ga"  

我怀疑最初读取文件时会出现问题。然而，使用View(names)产生所有特殊符号的预期结果的事实有点让我失去平衡。

Answer 1

看起来我通过这样做解决了我自己的问题：

read.table(text = readLines("file.csv", encoding = "UTF-8"), sep = "|", header = T)

以某种方式逐行阅读和强制编码这种方式有点起作用。但是，它会大大增加读入时间。这已经是一个完全不同的问题，与这篇文章无关。

Answer 2

names <- read.table("file", sep = "|", header = T, encoding="UTF-8")