使用vroom读取多CSV文件报错，疑因版本更新，求解决方案

问题背景 #

• 运行环境：RStudio 4.3.1（64位）
• 异常情况：9个月前可正常运行的多CSV读取代码报错，推测为vroom包或RStudio更新引发
• 数据限制：无法提供示例（隐私保护的大型注册表数据）

原代码 #

library(vroom)
library(fs)

lmdb_files<-dir_ls(glob="*.csv")

lmdb_files
lmdb2005.csv lmdb1995.csv lmdb1997.csv lmdb1998.csv lmdb1999.csv lmdb2000.csv lmdb2001.csv lmdb2002.csv lmdb2003.csv 
lmdb2004.csv lmdb2006.csv lmdb2007.csv lmdb2008.csv lmdb2009.csv lmdb2010.csv lmdb2011.csv lmdb2012.csv lmdb2013.csv 
lmdb2014.csv lmdb2015.csv lmdb2016.csv lmdb2017.csv lmdb2018.csv lmdb2019.csv lmdb2020.csv 

lmdb<-vroom(lmdb_files)

翻译后的错误与警告信息 #

错误：
在 gsub("\"[^\"]*\"", "", lines) 中：输入字符串15无效

附加警告：
在 gsub("\"[^\"]*\"", "", lines) 中：
遇到宽字符串内容 "000001111111","EI",3/5/1997,1,,"00","Visk<f8>se ""DAK""","0,5%","S01",1,"PK","pakninger","BO",0.5,"PC",5

可行解决方法 #

• 指定文件编码：从警告里的<f8>（对应挪威语字符ø）判断，文件编码大概率是ISO-8859-1或Windows-1252，vroom更新后默认编码可能变更，手动指定编码试试：

  lmdb <- vroom(lmdb_files, locale = locale(encoding = "ISO-8859-1"))
  # 若无效，替换为Windows-1252编码
  # lmdb <- vroom(lmdb_files, locale = locale(encoding = "Windows-1252"))
  

• 定位并跳过错误行：先逐个读取文件排查出出错的文件，再跳过对应错误行：

  # 遍历文件排查错误源
  for (file in lmdb_files) {
    tryCatch({
      temp <- vroom(file)
      cat(file, "读取成功\n")
    }, error = function(e) {
      cat(file, "读取失败：", e$message, "\n")
    })
  }
  # 找到出错文件后，跳过第15行（skip参数为要跳过的行数，第15行则skip=14）
  lmdb <- vroom("出错文件名.csv", skip = 14)
  

• 降级vroom包：如果确认是包更新导致的兼容性问题，回退到之前可用的版本：

  # 卸载当前版本
  remove.packages("vroom")
  # 安装旧版本（示例为0.6.4，需替换为你9个月前使用的版本号）
  install.packages("https://cran.r-project.org/src/contrib/Archive/vroom/vroom_0.6.4.tar.gz", repos = NULL, type = "source")
  

• 明确指定引号规则：警告中的""DAK""是CSV的转义双引号格式，手动指定quote参数确保解析正确：

  lmdb <- vroom(lmdb_files, quote = "\"")
  

内容的提问来源于stack exchange，提问作者Hong