如何解决R爬取ASP.NET网站返回原始向量中嵌入NUL字符的问题

问题原因 #

你遇到的报错并非文件损坏导致，返回的reporte_nacido原始内容实际是带BOM的UTF-16LE编码文本：该编码下每个字符占2个字节，ASCII字符的第二个字节固定为0x00（也就是报错里提到的NUL字符），直接调用rawToChar就会触发嵌入NUL的校验错误。

推荐解决方法（无需手动删除字符，避免乱码） #

直接通过编码转换处理原始向量，会自动适配双字节结构、过滤BOM：

# 合并为单个raw向量
raw_vec <- as.vector(unlist(reporte_nacido))
# 从UTF-16LE编码转换为UTF-8文本
content_str <- iconv(list(raw_vec), from = "UTF-16LE", to = "UTF-8")

转换完成后可以直接读取制表符分隔的CSV内容：

# 读取为数据框
df <- read.delim(text = content_str, sep = "\t")

备选方案：手动删除NUL字符（仅适合临时快速处理） #

如果不需要考虑特殊字符的编码正确性，可以直接过滤掉原始向量里的NUL字节再转换：

raw_vec <- as.vector(unlist(reporte_nacido))
# 过滤所有值为0的原始字节
filtered_vec <- raw_vec[raw_vec != as.raw(0)]
content_str <- rawToChar(filtered_vec)

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