R导入可手动正常解压的合法.zip文件时报错该如何解决

问题原因 #

• Windows系统下download.file()默认采用文本写入模式，下载zip等二进制文件时会自动转换换行符、插入空字节，导致压缩包结构损坏，无法被解压工具识别。
• 下载文件多出空行、fread报错嵌入空字符、无法识别csv分隔符均为压缩包损坏的典型表现。

解决方案 #

方案1：修改download.file的下载模式 #

下载时明确指定mode = "wb"（二进制写入模式）即可避免文件损坏，示例代码：

dest_path <- "你的本地存储路径"
test_file <- paste0(dest_path,"/test.zip")
# 明确指定二进制下载模式
download.file("https://www.portaltransparencia.gov.br/download-de-dados/despesas-execucao/202001", 
              destfile = test_file,
              mode = "wb")
# 解压即可正常执行
unzip(test_file, exdir = paste0(dest_path,"/unzipped"))

# 读取csv
dt <- data.table::fread(paste0(dest_path,"/unzipped/对应csv文件名.csv"))

方案2：使用更稳定的下载包（适配不同系统/网络环境） #

如果第一种方案仍有问题，可以用httr包下载，自动处理二进制文件识别，示例代码：

library(httr)
dest_path <- "你的本地存储路径"
test_file <- paste0(dest_path,"/test.zip")

GET("https://www.portaltransparencia.gov.br/download-de-dados/despesas-execucao/202001", 
    write_disk(test_file, overwrite = TRUE))

unzip(test_file, exdir = paste0(dest_path,"/unzipped"))

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