R语言fread读取CSV：指定UTF-8仍报错及列选择问题

1. 先修正代码中的重复列名问题 #

你的select参数里重复选了两次"PrecinctName"，虽然这不一定直接引发编码报错，但会干扰数据解析，先删掉其中一个：

kings_precincts_2023 <- fread("kings_precincts_2023.csv",
                          encoding = "UTF-8",
                          header = TRUE,
                          select = c("CountyName", 
                                     "PrecinctName", 
                                     "JudicialName", 
                                     "CountyLegName",
                                     "CityCouncilName",
                                     "CD",
                                     "HD",
                                     "SD",
                                     "City"))

2. 文件实际编码并非UTF-8 #

fread的encoding参数是指定读取时采用的编码格式，如果文件本身是GBK、ISO-8859-1等其他编码，强行用UTF-8读取就会报错。

• 用文本编辑器（如Notepad++）打开文件，查看右下角的编码标识，确认真实编码；
• 或者在R中测试不同编码读取前几行，看哪组无乱码：

# 测试不同编码读取前10行
test_utf8 <- readLines("kings_precincts_2023.csv", n = 10, encoding = "UTF-8")
test_gbk <- readLines("kings_precincts_2023.csv", n = 10, encoding = "GBK")
test_latin1 <- readLines("kings_precincts_2023.csv", n = 10, encoding = "ISO-8859-1")
# 查看输出，选择无乱码的编码

找到正确编码后，替换fread中的encoding参数值即可。

3. 文件含UTF-8 BOM（字节顺序标记） #

部分UTF-8文件会带有BOM标识，导致fread识别编码出错，可添加skipBOM = TRUE参数跳过：

kings_precincts_2023 <- fread("kings_precincts_2023.csv",
                          encoding = "UTF-8",
                          header = TRUE,
                          skipBOM = TRUE,
                          select = c("CountyName", 
                                     "PrecinctName", 
                                     "JudicialName", 
                                     "CountyLegName",
                                     "CityCouncilName",
                                     "CD",
                                     "HD",
                                     "SD",
                                     "City"))

4. data.table版本兼容问题 #

旧版本的data.table中encoding参数行为可能有差异，可尝试升级data.table到最新版，或者改用locale参数指定编码：

library(data.table)
kings_precincts_2023 <- fread("kings_precincts_2023.csv",
                          locale = locale(encoding = "UTF-8"),
                          header = TRUE,
                          select = c("CountyName", 
                                     "PrecinctName", 
                                     "JudicialName", 
                                     "CountyLegName",
                                     "CityCouncilName",
                                     "CD",
                                     "HD",
                                     "SD",
                                     "City"))

内容的提问来源于stack exchange，提问作者Fred Ditzian