使用R语言read.csv读取CSV时如何保留字段内的双引号
含内嵌双引号CSV的引号保留读取方案
问题根源
read.csv 默认按照通用CSV规范解析:只会把成对的外层双引号作为字段的包裹标记,读取时自动剔除包裹引号。但如果字段内部的双引号没有按规范做双写转义,解析器会把内嵌的引号误判为包裹标记的边界,最后连带所有引号一起被删掉,就出现了内容里所有引号消失的结果。
可行解决方法
方法1:直接关闭解析器的引号识别逻辑
read.csv 自带quote参数,只要把引号识别范围设为空,解析器就不会把任何双引号当成特殊的定界标记,会把所有引号当成普通文本字符完整保留:
df <- read.csv( "目标文件.csv", quote = "", # *核心设置:关闭引号识别* check.names = FALSE, stringsAsFactors = FALSE )
不管是基础包的read.csv,还是tidyverse生态里的readr::read_csv,这个参数逻辑完全一致,设置同样的quote = ""就能达到一样的效果:
library(readr) df <- read_csv( "目标文件.csv", quote = "", show_col_types = FALSE )
- 适用场景:你的CSV里逗号只用来分隔列,没有“内容本身带逗号、需要靠引号包裹成单字段”的场景。
- 小提示:这种方式会把字段首尾本来当包裹符的双引号也读进来,如果不需要外层的这对引号,读取后用
gsub("^\"|\"$", "", df$value)批量删掉即可。
方法2:逐行按结构解析原始文本
如果CSV格式不规范,既有内嵌双引号,又有带逗号的字段需要包裹,别硬靠自动解析——直接把整个文件读成纯文本,按已知的列结构拆分,全程不碰原始内容的字符,绝对不会丢引号:
# 逐行读取文件原始内容,不做任何解析转换 raw_content <- readLines("目标文件.csv") # 去掉表头,逐行拆分 row_data <- raw_content[-1] df <- data.frame( id = trimws(sub(",.*", "", row_data)), # 第一个逗号到最后一个逗号之间的所有内容,全作为value列,不做任何字符修改 value = trimws(sub("^[^,]+,\\s*(.*),\\s*[^,]+$", "\\1", row_data)), other = trimws(sub(".*,", "", row_data)) )
- 适用场景:列结构完全固定,内嵌内容没有统一规则的场景,是最稳妥不会丢内容的解析方式。
方法3:把文件修正为标准CSV格式
如果文件可以调整,一劳永逸的方式是按CSV规范把所有字段内部的双引号转义:把字段里的每个内嵌双引号替换成连续两个双引号。比如原来的内容:
"("a"="b", "b"="c", "c"="d")"
修正成标准格式:
"(""a""=""b"", ""b""=""c"", ""c""=""d"")"
之后用默认参数的read.csv读取,解析器会自动正确识别转义的双引号,完整保留内部的引号内容,后续换其他语言/工具读这个文件也不会出问题。
内容的提问来源于stack exchange,提问作者nicshah
相关产品推荐
相关产品推荐

