如何在R语言中不解压读取ISO-8859-15编码的压缩包内CSV文件

这个问题的核心原因其实是**unz()返回的是二进制连接，而非文本连接**——base R的readLines()和read.csv()这类函数，对于二进制连接会直接读取原始字节，忽略你传入的encoding或fileEncoding参数，所以才会出现特殊字符显示为十六进制转义符（比如\xe3）的情况。而直接用file()时，它创建的是文本连接，会自动按指定编码转码，所以能正常显示特殊字符。

下面给你几个可行的解决方案：

方案1：手动读取字节后转码（base R原生实现） #

先读取压缩文件里的原始二进制字节，再用iconv()转成正确的编码，之后再处理文本/CSV内容：

file_zip <- "test.zip"
file_txt <- "test.txt"

# 1. 读取原始二进制字节
conn <- unz(file_zip, file_txt)
# 获取文件大小，确保读取全部内容
file_size <- file.info(conn)$size
raw_bytes <- readBin(conn, raw(), n = file_size)
close(conn)

# 2. 转码为ISO-8859-15到R默认的UTF-8
text_content <- iconv(rawToChar(raw_bytes), from = "ISO-8859-15", to = "")

# 查看结果
cat(text_content) # 输出 testãóçáà

# 如果是CSV文件，转码后用text参数传入read.csv
csv_text <- iconv(rawToChar(readBin(unz(file_zip, "data.csv"), raw(), n = file.info(unz(file_zip, "data.csv"))$size)), from = "ISO-8859-15", to = "")
df <- read.csv(text = csv_text, header = TRUE)

方案2：用readr包简化处理（推荐） #

readr包的读取函数（比如read_csv、read_lines）能更好地处理二进制连接的编码问题，只需要通过locale参数指定编码即可：

# 先安装包（如果没装过）
install.packages("readr")
library(readr)

# 读取文本文件
text_lines <- read_lines(unz(file_zip, file_txt), locale = locale(encoding = "ISO-8859-15"))
print(text_lines) # 输出 "testãóçáà"

# 读取CSV文件
df <- read_csv(unz(file_zip, "data.csv"), locale = locale(encoding = "ISO-8859-15"), show_col_types = FALSE)

方案3：用zip包读取原始内容后转码 #

zip包提供了更简洁的压缩文件读取接口，同样需要手动转码：

install.packages("zip")
library(zip)

# 读取原始字节
raw_content <- zip_read(file_zip, file_txt)
# 转码
text_content <- iconv(rawToChar(raw_content), from = "ISO-8859-15", to = "")

为什么你之前的尝试无效？ #

当你直接把unz()的连接传给read.csv()并指定encoding或fileEncoding时，base R的read.csv()会把这个连接当作二进制流处理，不会应用编码转换——这些参数只对文本连接（比如file()创建的连接）生效。这就是为什么你用file()时正常，用unz()时乱码的原因。

内容的提问来源于stack exchange，提问作者Rodrigo Lustosa