R语言readLines函数不识别制表符\t分隔符问题求助

核心错误点 #

你对readLines函数的sep参数作用理解有误：该参数的作用是定义行与行之间的分隔符，而非一行内部不同字段的分隔符。
你设置sep="\t"时，R会将制表符识别为行结束标记，而非字段拆分标记，因此最终读入的是完整的一行原始字符串，制表符也会原样保留，就出现了你看到的带\t的输出结果。

修复方案 #

方案1：保留逐行读取逻辑，读完后拆分字段 #

将readLines的sep参数改回默认的换行符\n（符合常规文本行分隔规则），读取到完整行内容后，用strsplit函数按制表符拆分字段即可，修改后代码参考：

processFile = function(filepath) {
  con = file(filepath, "r")
  while ( TRUE ) {
    # n=1表示每次读1行，warn=FALSE关闭空文件告警
    line = readLines(con, n = 1, warn = FALSE)
    if (length(line) == 0 ) {
      break
    }
    # 按制表符拆分当前行的字段，unlist将列表转为向量方便调用
    fields = unlist(strsplit(line, split = "\t"))
    print(fields)
    # 后续可以按索引取对应字段：fields[1]是第一列100026，fields[2]是序列以此类推
  }
  close(con)
}

方案2：直接读取全量制表符分隔文件（无需手写循环） #

如果你的需求是读取整个制表符分隔文件转为结构化数据，直接用R内置的read.delim函数即可，该函数原生适配制表符分隔的文本文件，代码更简洁：

# header=FALSE表示文件没有表头，读入后默认列名为V1、V2、V3、V4
df <- read.delim(filepath, header = FALSE, sep = "\t", stringsAsFactors = FALSE)

内容的提问来源于stack exchange，提问作者xfrostyy