使用data.table::fread读取CSV报错，如何实现readLines的读取效果？

碰到这种fread读取CSV报错的情况我太熟悉了，你已经试过fill=TRUE和quote=''但还是不行，咱们一步步来排查解决：

• 先定位问题行的具体内容
  报错明确指向第99771行有多余内容，先把这一行和前后几行提取出来看看到底是什么格式问题，比如有没有未转义的逗号、不配对的引号或者意外换行：

  # 读取问题行及前后行
  problem_lines <- readLines("./data/train_first.csv", encoding = "UTF-8")[99770:99772]
  print(problem_lines)
  

  这一步能帮你确认是脏数据（比如字段里多了逗号），还是fread的自动识别逻辑出了偏差。

• 调整fread参数强制适配格式
  如果确认列数是3列，可以强制指定列数和列名，避免fread误判：

  # 先读取前10行确认正确的列名和列数
  sample_data <- fread("./data/train_first.csv", nrows = 10, encoding = "UTF-8")
  target_colnames <- colnames(sample_data)
  target_colcount <- ncol(sample_data)
  
  # 强制按目标列数读取，同时保留fill和quote参数
  train <- fread(
    "./data/train_first.csv",
    encoding = "UTF-8",
    quote = "",
    fill = TRUE,
    col.names = target_colnames,
    check.names = FALSE,
    sep = ","  # 明确指定分隔符，避免自动识别出错
  )
  

  另外，如果问题行确实是无效数据，可以用skip = 99771跳过该行，但建议先确认内容是否有用。

• 预处理文件修正格式问题
  如果问题行存在未转义的特殊字符（比如字段内的逗号或换行），可以先读取所有行并修正，再写入临时文件读取：

  # 读取所有行
  all_lines <- readLines("./data/train_first.csv", encoding = "UTF-8")
  
  # 根据problem_lines的内容编写修正逻辑，比如替换字段内的逗号为分号
  # 示例：假设第99771行的多余逗号来自某个文本字段，替换它
  all_lines[99771] <- gsub(",", ";", all_lines[99771], fixed = TRUE)
  
  # 写入修正后的临时文件
  writeLines(all_lines, "./data/train_first_fixed.csv", encoding = "UTF-8")
  
  # 用fread读取修正后的文件
  train <- fread("./data/train_first_fixed.csv", encoding = "UTF-8", quote = "", fill = TRUE)
  

• 备选方案：换用read.csv读取
  如果fread的自动解析逻辑实在无法适配你的文件，可以尝试用基础包的read.csv，它的兼容性更好（虽然速度稍慢）：

  train <- read.csv(
    "./data/train_first.csv",
    encoding = "UTF-8",
    quote = "",
    fill = TRUE,
    stringsAsFactors = FALSE
  )
  

内容的提问来源于stack exchange，提问作者Tao Hu