如何将竖线分隔文本数据转为R可处理数据集？解决scan()报错

你遇到的Error in scan() : scan() expected 'a real', got '|'报错，是因为scan()默认按空白字符分隔数据，且默认期望读取数值类型，而竖线|既不是空白也不是数值，导致解析失败。以下是几种可行的解决方法：

方法1：给scan()指定分隔符和数据类型 #

明确告诉scan()分隔符是竖线，同时通过what参数定义每一列的数据类型，避免默认的数值解析：

# 示例：假设数据包含字符、数值、字符三列
# 从文本字符串读取
raw_text <- "Alice|25|Engineer|Bob|30|Designer"
data_list <- scan(text = raw_text, sep = "|", what = list(character(), integer(), character()))

# 将结果转为数据框
df <- as.data.frame(data_list)
colnames(df) <- c("Name", "Age", "Occupation")

方法2：使用read.table()/read.delim()（更推荐） #

这两个函数专门用于处理分隔符分隔的结构化数据，无需手动指定每列类型，使用更简便：

# 从文本读取（含表头）
df <- read.table(text = "Name|Age|Occupation\nAlice|25|Engineer\nBob|30|Designer", 
                 sep = "|", header = TRUE, stringsAsFactors = FALSE)

# 从本地文件读取
df <- read.table(file = "your_data_file.txt", 
                 sep = "|", header = TRUE, stringsAsFactors = FALSE)

• header = TRUE：如果第一行是列名则设置为TRUE，否则设为FALSE
• stringsAsFactors = FALSE：避免将字符列自动转为因子类型（R 4.0+版本默认已开启，但显式声明更稳妥）

方法3：用strsplit()拆分后整理 #

如果原始数据是向量格式，可以先拆分再转为数据框：

raw_vector <- c("Alice|25|Engineer", "Bob|30|Designer")
split_data <- strsplit(raw_vector, "|", fixed = TRUE)

# 转为数据框
df <- do.call(rbind.data.frame, split_data)
colnames(df) <- c("Name", "Age", "Occupation")

• fixed = TRUE：因为|是正则表达式的特殊字符，加此参数可按字面意义匹配分隔符

内容的提问来源于stack exchange，提问作者Bubba