无法读取的unicode的.csv成R无法读取的unicode的.csv成R(Cannot read

我有一个.csv文件，其中包含以下数据：

"Ա","Բ"
1,10
2,20

使显示的列名像他们在文件中我无法读入R上。

d <- read.csv("./Data/1.csv", fileEncoding="UTF-8")
head(d)

产生如下：

> d <- read.csv("./Data/1.csv", fileEncoding="UTF-8")
Warning messages:
1: In read.table(file = file, header = header, sep = sep, quote = quote,  :
  invalid input found on input connection './Data/1.csv'
2: In read.table(file = file, header = header, sep = sep, quote = quote,  :
  incomplete final line found by readTableHeader on './Data/1.csv'
> head(d)
[1] X.
<0 rows> (or 0-length row.names)

同时，未经指定fileEncoding做同样会产生这样的：

> d <- read.csv("./Data/1.csv")
> head(d)
  Ô. Ô²
1  1 10
2  2 20

当我运行“文件”工具来找出文件的编码，它说，这是UTF-8：

Data\1.csv: UTF-8 Unicode text, with CRLF line terminators

我使用RStudio，Windows 7中，R版本2.15.2，32位。

提前致谢。

Answer 1:

我写了一个较长的答案对同一问题在这里： R于Windows系统：字符编码地狱。

快速回答，使用参数编码，而不是fileEncoding应该解决您的第一个问题。您将无法在控制台或在RStudio表视图可能读它，但你将能够在formulaes使用它。

d <- read.csv("./Data/1.csv", encoding="UTF-8")
head(d)

救了你的表成UTF-8文件：

> test2 <- read.csv("test2.csv", header = FALSE, sep = ",", quote = "\"", dec = ".", fill = TRUE, comment.char = "", encoding = "UTF-8")
Warning message:
In read.table(file = file, header = header, sep = sep, quote = quote,  :
  incomplete final line found by readTableHeader on 'test2.csv'

这给了你怎么看起来像在控制台和RStudio视图

> test2
        V1       V2
1 <U+0531> <U+0532>
2        1       10
3        2       20

但是重要的是你能够在R在我的情况下，这样操作这一点，可以看到脚本窗口输入Ա有UTF-8编码，和grep的正确发现您的表这个编码。

> Encoding("Ա")
[1] "UTF-8"
> grep("Ա", as.character(test2[1,1]))
[1] 1

您可能需要找到合适的编码变异体上设置工作，或可能改变他们。不幸的是我不知道在那里完成。

你可能不能够使其在各个阶段的漂亮，但它是绝对有可能得到它在Windows 7环境下也正常工作。

Answer 2:

我尝试了两种方法来复制你的问题。

我复制的字符以上到RStudio，它保存到与此代码为csv：

write.csv(c("Ա","Բ",
             1,10,
             2,20), "test.csv")

df <- read.csv("test.csv")

这工作得很好。

后来我想，那也许是因为当我把它保存到CSV与R R是欺骗？所以，我刚才粘贴字符到一个文本文件并将其保存为CSV。这种做法没有问题，无论是。

这里是我的会话信息：

sessionInfo()
R version 3.0.1 (2013-05-16)
Platform: x86_64-pc-linux-gnu (64-bit)

locale:
[1] LC_CTYPE=en_CA.UTF-8       LC_NUMERIC=C               LC_TIME=en_CA.UTF-8       
[4] LC_COLLATE=en_CA.UTF-8     LC_MONETARY=en_CA.UTF-8    LC_MESSAGES=en_CA.UTF-8   
[7] LC_PAPER=C                 LC_NAME=C                  LC_ADDRESS=C              
[10] LC_TELEPHONE=C             LC_MEASUREMENT=en_CA.UTF-8 LC_IDENTIFICATION=C       

attached base packages:
[1] stats4    grid      stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
[1] party_1.0-9       modeltools_0.2-21 strucchange_1.4-7 sandwich_2.2-10   zoo_1.7-10       
[6] GGally_0.4.4      reshape_0.8.4     plyr_1.8          ggplot2_0.9.3.1  

loaded via a namespace (and not attached):
[1] coin_1.0-23        colorspace_1.2-2   dichromat_2.0-0    digest_0.6.3      
[5] gtable_0.1.2       labeling_0.2       lattice_0.20-23    MASS_7.3-29       
[9] munsell_0.4.2      mvtnorm_0.9-9995   proto_0.3-10       RColorBrewer_1.0-5
[13] reshape2_1.2.2     scales_0.2.3       splines_3.0.1      stringr_0.6.2