PC正常运行的R主题建模代码在Mac报错：无效多字节字符串

这个错误90%以上是编码不匹配导致的——Windows和Mac默认的文件编码体系不一样，你的历史日记文本文件大概率是在Windows环境下生成/保存的（比如用GBK/GB2312编码），而Mac默认用UTF-8解析文件，两者的编码冲突就会触发无效多字节字符串错误。下面是针对性的解决方案：

1. 读取文件时强制指定编码 #

在你的makeFlexTextChunks函数里，读取文本文件的步骤一定要明确指定编码，这样Mac就能正确解析文件内容。修改后的函数片段如下：

makeFlexTextChunks <- function(inputDir, file.name, chunk.size=50){
  text.file.path <- file.path(inputDir, file.name)
  # 先尝试用UTF-8读取，如果不行换成Latin1（旧文本常用编码）
  text.content <- readLines(text.file.path, encoding = "UTF-8")
  # 清理无效的多字节字符（避免残留错误）
  text.content <- iconv(text.content, from = "UTF-8", to = "UTF-8", sub = "")
  # 你的分块逻辑继续...
}

如果UTF-8还是报错，把encoding改成"Latin1"试试——很多早期的历史文档会用这个编码。

2. 先确认文本文件的实际编码 #

如果不确定文件用的是什么编码，可以在Mac终端里执行命令查看：

file -I /path/to/your/textfile.txt

输出结果里的charset=后面就是文件的实际编码，把它填到readLines的encoding参数里就行。

3. 处理文件名的编码问题 #

有时候dir()返回的文件名在Mac上也会有编码冲突，你可以先把文件名列表转成UTF-8编码：

files.v <- dir(path=inputDir, pattern="*\\.txt")
# 转换文件名编码，适配Mac环境
files.v <- iconv(files.v, from = "", to = "UTF-8")

为什么你的PC没问题？ #

因为Windows会自动识别GBK这类本地编码，所以读取同一份文件时不会出问题，但Mac严格遵循UTF-8默认编码，就会把非UTF-8的多字节字符判定为无效。

内容的提问来源于stack exchange，提问作者James