如何在R中解压含葡萄牙语特殊字符的压缩文件？

问题背景 #

尝试用R解压从INEP下载的2010年高等教育普查微数据压缩包，Windows下WinRAR可正常解压，但执行基础R的unzip函数时触发编码错误：

> unzip("data/raw/censo_2010.zip", exdir="data/raw")
Error in unzip("data/raw/censo_2010.zip", exdir = "data/raw") : 
  invalid multibyte string at '<87><c6>o '

文件下载代码：

> download.file("https://download.inep.gov.br/microdados/microdados_censo_da_educacao_superior_2010.zip",
                "data/raw/censo_2010.zip")

查看压缩包内容时，发现文件名中的葡萄牙语特殊字符（如çã）显示为转义序列（\x87\xc6），这是导致unzip函数报错的核心原因。

可行解决方案 #

方案1：使用archive包替代基础R的unzip #

archive包对非UTF-8编码的文件名兼容性更强，无需手动指定编码即可处理：

1. 安装并加载包：

install.packages("archive")
library(archive)

2. 执行解压：

archive_extract("data/raw/censo_2010.zip", dir = "data/raw")

方案2：调用Windows系统命令 #

直接利用系统工具的编码兼容性来解压，适合需要保持脚本可复现的场景：

• 使用WinRAR命令行（需确保WinRAR安装路径正确）：

system('"C:/Program Files/WinRAR/WinRAR.exe" x "data/raw/censo_2010.zip" "data/raw/"')

• 使用PowerShell内置命令（Windows 10及以上系统默认支持）：

system('powershell Expand-Archive -Path "data/raw/censo_2010.zip" -DestinationPath "data/raw/" -Force')

方案3：指定编码参数调用基础R的unzip #

如果不想额外安装包，可尝试指定压缩包文件名的实际编码（葡萄牙语常用ISO-8859-1）：

unzip("data/raw/censo_2010.zip", exdir="data/raw", encoding = "ISO-8859-1")

注：此方法的有效性取决于压缩包的实际编码格式，部分环境下可能无法完全解决问题。

内容的提问来源于stack exchange，提问作者Gabriel Banaggia