如何在R中读取含正确与错误重音字符的下载.csv文件？

这种情况属于混合编码污染：文件里同时存在两种编码的字符——一部分是标准UTF-8编码（比如正常的"Veríssimo"），另一部分是UTF-8字符被错误以ISO-8859-1（Latin-1）解码后写入的结果（比如"VirgÃ-nia"实际对应正确的"Virgínia"）。以下是两种针对性的R语言解决方案：

方案1：优先保留UTF-8正确字符，修复错误转码的字符 #

如果文件中大部分正确字符是UTF-8格式，用这个方法：

library(readr)
library(stringi)
library(dplyr)

# 第一步：以UTF-8编码读取整个文件
dados_MG <- read_csv("dados_MG.csv", locale = locale(encoding = "UTF-8"))

# 定义修复函数：把错误显示的字符串转成字节，再用UTF-8重新解码
fix_wrong_encoding <- function(text) {
  if (is.character(text)) {
    stri_encode(stri_enc_toutf8(text, is_unknown = "passthrough"), 
                from = "ISO-8859-1", to = "UTF-8")
  } else {
    text
  }
}

# 对所有字符列应用修复
dados_MG_fixed <- dados_MG %>% 
  mutate(across(where(is.character), fix_wrong_encoding))

方案2：优先保留ISO-8859-1正确字符，修复UTF-8乱码 #

如果文件中大部分正确字符是ISO-8859-1格式，用这个方法：

library(readr)
library(stringi)
library(dplyr)

# 第一步：以ISO-8859-1编码读取整个文件
dados_MG <- read_csv("dados_MG.csv", locale = locale(encoding = "ISO-8859-1"))

# 定义修复函数：把UTF-8乱码的字符串转成字节，再用ISO-8859-1重新解码
fix_utf8_garbage <- function(text) {
  if (is.character(text)) {
    stri_encode(stri_enc_toutf8(text, is_unknown = "passthrough"), 
                from = "UTF-8", to = "ISO-8859-1")
  } else {
    text
  }
}

# 对所有字符列应用修复
dados_MG_fixed <- dados_MG %>% 
  mutate(across(where(is.character), fix_utf8_garbage))

补充说明 #

• 如果只有个别列出现编码问题，可以把across(where(is.character))替换成具体列名（比如across(c(nome_coluna1, nome_coluna2))），避免影响其他正确的字符。
• 可以先预览几行数据，判断哪种编码的正确字符更多，再选择对应的方案。

内容的提问来源于stack exchange，提问作者Monelisa