如何用R的read.csv正确导入含跨多行引号的CSV文件？

针对你遇到的跨行引号CSV读取难题，以及部分文件列数异常的问题，我给你整理了一套可靠的解决方案，同时结合你的词分析需求给出优化建议：

一、优先用readr包处理跨行引号（推荐） #

Base R的read.csv在处理跨行引号时容易出现解析错误，而readr包的read_csv函数采用了更现代的解析引擎，默认就能正确识别跨行的双引号，同时保留引号内的逗号（不会被当成分隔符）。

步骤1：安装并加载依赖包 #

install.packages(c("readr", "purrr"))
library(readr)
library(purrr)

步骤2：批量读取所有CSV文件 #

# 获取所有CSV的完整路径，避免拼接错误
csv_files <- list.files(path = "Plenarprotokolle/", pattern = "\\.csv$", full.names = TRUE)

# 批量读取，强制所有列为字符型（避免类型推断导致列数错位）
AlleProtokolleSafe <- map(csv_files, ~ read_csv(
  .x,
  col_names = FALSE,          # 无表头，符合你的需求
  quote = "\"",               # 识别双引号，处理跨行内容
  col_types = cols(.default = col_character()),  # 所有列按字符读取
  locale = locale(encoding = "UTF-8")            # 指定UTF-8编码
))

这个方法的优势：

• 自动处理跨行引号，无需额外配置
• 速度远快于base R的循环读取
• 读取时会在控制台输出解析警告，帮你定位异常文件的问题

二、排查162/191.csv列数异常的问题 #

你提到这两个文件只有3列，而其他文件有15列，大概率是这两个文件存在引号不规范的问题（比如未闭合的引号、引号内的特殊字符），导致解析器错误拆分了字段。

用readr的problems()函数可以精准定位问题：

# 单独读取异常文件并查看解析错误
problem_df <- read_csv("Plenarprotokolle/162.csv", col_names = FALSE, locale = locale(encoding = "UTF-8"))
problems(problem_df)

输出会显示具体哪一行、哪一列出现了解析错误（比如expected 15 columns, got 3或者unclosed quote），你可以根据提示手动修正这些文件的格式，或者在读取时添加参数trim_ws = TRUE去除多余空格，尝试修复轻微的格式问题。

三、针对词分析的优化建议 #

既然你只需要纯文本内容，完全可以在读取后直接提取目标列，避免冗余数据：

# 假设文本内容在第2列（根据你的数据集调整列索引）
all_speech_texts <- map(AlleProtokolleSafe, ~ .x[[2]])

# 合并所有文本为一个向量，方便后续词分析
combined_text <- unlist(all_speech_texts)

如果坚持使用Base R，也可以尝试以下配置，但稳定性不如readr：

AlleProtokolleSafe <- list()
listcsv <- dir(path = "Plenarprotokolle/", pattern = "*.csv")
for (k in 1:length(listcsv)){
  file_path <- file.path("Plenarprotokolle", listcsv[k])
  AlleProtokolleSafe[[k]] <- read.csv(
    file_path,
    sep = ",",
    header = FALSE,
    quote = "\"",
    encoding = "UTF-8",
    fill = TRUE,          # 自动填充缺失列，避免列数不一致报错
    stringsAsFactors = FALSE,
    allowEscapes = FALSE  # 禁止转义引号，避免误解析跨行内容
  )
}

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