R语言readLines读取多编码文件时遇无效编码值错误

错误原因 #

readLines()的encoding参数仅接受单个编码字符串，你传入的是包含3个编码的向量，因此触发"invalid 'encoding' value"错误。

解决方案 #

1. 优先使用置信度最高的编码 #

guess_encoding()会返回编码的置信度评分，优先尝试得分最高的编码：

# 获取编码检测结果，包含置信度列
encoding_result <- guess_encoding("file.txt")
print(encoding_result)

# 提取置信度最高的编码
best_encoding <- encoding_result$encoding[which.max(encoding_result$confidence)]

# 用最优编码读取文件
lines <- readLines("file.txt", encoding = best_encoding)

2. 逐个尝试候选编码 #

如果最优编码读取失败，循环测试所有候选编码：

candidate_encodings <- c("UTF-8", "ISO-8859-1", "ISO-8859-2")

for (enc in candidate_encodings) {
  tryCatch({
    lines <- readLines("file.txt", encoding = enc)
    cat("成功使用编码", enc, "读取文件\n")
    break  # 读取成功后终止循环
  }, error = function(e) {
    cat("编码", enc, "读取失败：", e$message, "\n")
  })
}

3. 自动检测编码兜底 #

如果上述方法都无效，可以让R自动检测编码：

lines <- readLines("file.txt", encoding = "unknown")

内容的提问来源于stack exchange，提问作者Alif