使用R读取含格式问题的CSV文件时出现数据丢失与错位问题求助

你的核心问题是CSV文件违反了标准规范：部分单元格内的未转义双引号和引用内的分号导致readr::read_csv2无法正确解析，要么误判行结构丢数据，要么关闭引用后列错位。以下是两种实用解决方案：

方案1：用data.table::fread直接读取（推荐） #

fread对不规范CSV的容错性远强于readr系列函数，能自动识别引用范围内的分号，同时处理未转义的双引号：

# 加载包
library(data.table)
library(tibble)

# 读取文件
dt <- fread("my_file.csv", sep = ";", quote = "\"")

# 转成你需要的tibble格式
as_tibble(dt)

读取后如果需要将X3列的双引号转成带反斜杠的格式，可追加处理：

dt$X3 <- gsub('"', '\\"', dt$X3)

方案2：预处理文本修复格式后用readr读取 #

如果坚持使用readr，可以先修复文件中的格式错误（把单个双引号转成标准CSV的双引号转义），再读取：

library(readr)

# 读取所有行文本
lines <- read_lines("my_file.csv")

# 正则修复：将双引号包裹内容里的单个"替换成""（标准CSV转义规则）
fixed_lines <- gsub('(?<="[^"])"(?=[^"]")', '""', lines, perl = TRUE)

# 读取修复后的文本
df <- read_csv2(I(fixed_lines))

# 按需将X3转为带反斜杠转义的格式
df$X3 <- paste0('"', gsub('"', '\\"', df$X3), '"')

两种方法都能处理你示例中的问题，对于13k行的文件，fread的效率会更高，且无需手动写正则修复。

内容的提问来源于stack exchange，提问作者deschen