CSV由＆＃39;;＆＃39;分隔在某些属性中使用分号，无法正确解析

Question

我已经使用以下架构以criticalcss: { custom: { options: { url: "http://localhost:9000", width: 1200, height: 900, outputfile: "web/css/critical.css", filename: "web/css/style.css", buffer: 800*1024, ignoreConsole: false } } }, 文件的形式下载推文： .csv

问题在于，有些推文在其文本属性中有分号，例如，＆＃34;我爱你，宝贝;）＆＃34;

当我尝试将此csv导入R时，我会收到一些错误架构的记录，您可以在此处看到：

我认为这种格式错误是因为csv解析器的创建;如果您理解我的意思，请在文本部分中将表格分开。

我已尝试与正则表达式匹配： username;date;retweets;favorites;text;geo;mentions;hashtags;permalink 并将其替换为(;".*)(;)(.*";)，直到找不到更多匹配项，但错误在csv解析中继续。

有什么想法来清理这个csv文件？或者为什么csv解析器工作不好？

感谢您阅读

EDIT1： 我认为结构中没有问题而不是选择错误的分隔符（＆＃39 ;;＆＃39;），看看这些示例记录

($1)($3)

这是一个格式良好的记录，但我认为文本部分中的分号（标记在＆＃34;＆＃34;）强制解析器将文本部分分成2列，在这种情况下： Juan_Levas;2015-09-14 19:59;0;2;"Me sonrieron sus ojos; y me tembló hasta el alma.";Medellín,Colombia;;;https://twitter.com/Juan_Levas/status/643574711314710528 和"Me sonrieron sus ojos。 这可能吗？

另外，我使用y me tembló hasta el alma.";将csv解析为数据框。

EDIT2： 如何重现错误：

1. 从此处获取read.csv("data.csv", sep=';') [~2 MB]：Download csv
2. csv
3. 探索生成的DataFrame（您可以按日期，转发或收藏夹对其进行排序，您将看到解析中的不一致）

Answer 1

您的CSV文件格式不正确：问题不在于字符字段中出现的分隔符，而是"未转义的事实。

最好的办法是生成一个格式正确的新文件（通常：使用RFC 4180）。

如果无法做到，那么您最好的选择是使用readr之类的“智能”工具：

library(readr)
df <- read_csv2('twit_data.csv')

它对你的文件做得很好。 （我在结果数据框中看不到任何明显的解析错误）