R读取引号分隔且含跨行文本的txt文件行识别错误如何解决

你用read.table读取失败的核心原因是参数配置不匹配文件格式：这个文件的字段是用双引号包裹、字段间用空格分隔，id值里自带的逗号、引号内的换行都会干扰默认参数的解析逻辑，按下面的方法配置即可正确读取。

Base R 无需安装依赖的方案 #

直接调整read.table的参数即可，R基础读取函数本身就原生支持引号内跨行内容的识别：

# 读取文件
raw_df <- read.table(
  file = "mytext.txt",
  header = TRUE,
  sep = "", # 按空白字符分隔字段，自动适配字段间数量不等的空格
  quote = "\"", # 明确指定双引号为字段边界，配对引号内的所有换行、空格都会被识别为字段内容
  comment.char = "", # 关闭注释识别，避免文本中出现的#等符号截断内容
  strip.white = TRUE, # 自动清除跨行文本前后多余的缩进、空白字符
  fill = FALSE
)

# 清洗数据得到目标结构
result_df <- data.frame(
  id = as.numeric(gsub(",", "", raw_df$X)), # 原表头第一列无列名，读入默认命名为X，去掉值里的逗号转成数值id
  textOriginal = raw_df$textOriginal
)

大文件更高效的readr方案 #

如果文件体积比较大，用readr包的读取函数速度更快，异常格式兼容性更好：

library(readr)
raw_df <- read_delim(
  file = "mytext.txt",
  delim = " ",
  quote = "\"",
  trim_ws = TRUE,
  escape_double = TRUE,
  skip = 1, # 跳过原表头（原表头第一列为空，手动设列名更稳定）
  col_names = c("id_raw", "textOriginal")
)

# 清洗得到目标结构
result_df <- data.frame(
  id = as.numeric(gsub(",", "", raw_df$id_raw)),
  textOriginal = raw_df$textOriginal
)

常见踩坑说明 #

• 不要把分隔符sep/delim设为逗号：文件里的逗号是id字段值自带的字符，不是字段分隔符，设错会直接导致字段错位
• 只要配对的双引号完整，读取函数会自动将引号内所有内容（包括换行、特殊符号）识别为同一个字段，不会把跨行文本拆成多条记录
• 如果读取后出现大量行错位，先检查源文件是否存在未闭合的单个双引号，补全后再读取即可

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