使用readr::read_csv解析带转义字符串的CSV文件遇问题求助

我有一个CSV文件，其中数字以字符串形式转义，且小数点为逗号。之前用readr::read_csv解析过这类文件，但现在遇到问题，引号包裹的字符串未被正确识别。

测试场景1：千分位为逗号且被引号包裹 #

执行代码及结果：

# This will go okay, except for an unecessary warning
read_csv(
    'A, B, C,    D,      E
    $1, a, a,  1.2%,  "1,100,200"
    $2, b, b,  2.1%,  "  140,000"
    $3, c, c, 13.0%,  "2,005,000"',
    col_types = "nccnn"
)

输出：

# A tibble: 3 × 5                                                                                                                       
      A B     C         D       E
  <dbl> <chr> <chr> <dbl>   <dbl>
1     1 a     a       1.2 1100200
2     2 b     b       2.1  140000
3     3 c     c      13   2005000
Warning message:
One or more parsing issues, see `problems()` for details 

说明：虽能正确解析最后一列，但会抛出不必要的列数错误警告。

测试场景2：小数点为逗号、千分位为句点 #

执行代码及结果：

# This will go all wrong, because the locale is not respected if ',' is a separator inside a string
read_csv(
    'A, B, C,    D,      E
    $1, a, a,  " 1,2%",  "1.100.200"
    $2, b, b,  " 2,1%",  "  140.000"
    $3, c, c, "13,0%",  "2.005.000"',
    locale=locale(decimal_mark = ",", grouping_mark = "."),
    col_types = "nccnn")

输出：

# A tibble: 3 × 5                                                                                                                       
      A B     C         D     E
  <dbl> <chr> <chr> <dbl> <dbl>
1     1 a     a         1     2
2     2 b     b         2     1
3     3 c     c        13     0
Warning message:
One or more parsing issues, see `problems()` for details 

说明：引号内的逗号被当作字段分隔符，百分比内容被拆分为两列，最后一列直接丢失。

疑问 #

请问引号不应包裹逗号使其不被识别为字段分隔符吗？若无法实现，有无无需修改输入文件的解决办法？

CSV规范中，引号包裹内容里的逗号应该被当作内容而非分隔符，但readr在结合locale设置时会出现解析冲突——当把decimal_mark设为逗号时，解析器会优先将逗号识别为小数点，导致引号内的逗号被错误拆分。

针对两个场景的解决方案：

场景1：千分位为逗号（无小数点冲突） #

警告源于read_csv预解析时把引号内的逗号当成潜在分隔符，导致列数预判错误，但实际解析能正确识别引号内容。可通过指定guess_max参数消除警告：

read_csv(
    'A, B, C,    D,      E
    $1, a, a,  1.2%,  "1,100,200"
    $2, b, b,  2.1%,  "  140,000"
    $3, c, c, 13.0%,  "2,005,000"',
    col_types = "nccnn",
    guess_max = 3
)

让解析器完整读取所有行后再判断列数，即可避免列数预判警告。

场景2：小数点为逗号、千分位为句点（引号内逗号被误拆分） #

核心问题是decimal_mark = ","与CSV分隔符逗号的冲突，解决思路是先读取所有内容为字符列，再手动转换格式：

1. 先读取所有列为字符，避免解析错误：

raw_data <- read_csv(
    'A, B, C,    D,      E
    $1, a, a,  " 1,2%",  "1.100.200"
    $2, b, b,  " 2,1%",  "  140.000"
    $3, c, c, "13,0%",  "2.005.000"',
    col_types = "ccccc"
)

2. 结合指定locale用readr解析函数处理每一列：

library(dplyr)
clean_data <- raw_data %>%
    mutate(
        A = parse_number(A),
        D = parse_number(D, locale = locale(decimal_mark = ",")),
        E = parse_number(E, locale = locale(grouping_mark = "."))
    )

处理后得到正确结果：

# A tibble: 3 × 5
      A B     C         D       E
  <dbl> <chr> <chr> <dbl>   <dbl>
1     1 a     a       1.2 1100200
2     2 b     b       2.1  140000
3     3 c     c      13   2005000

另外，也可以用data.table::fread替代，它对带引号的特殊格式CSV解析更稳健，无需额外设置就能正确识别引号内的逗号：

library(data.table)
fread(
    'A, B, C,    D,      E
    $1, a, a,  " 1,2%",  "1.100.200"
    $2, b, b,  " 2,1%",  "  140.000"
    $3, c, c, "13,0%",  "2.005.000"',
    dec = ",",
    sep = ","
)

输出会自动处理引号内的逗号，并正确解析小数点和千分位。

内容的提问来源于stack exchange，提问作者Thomas Mailund