在R中使用read.csv读取CSV文件失败的技术求助

看起来你在处理网页抓取的CSV数据时遇到了多字节字符串解析的问题，这类数据常带有HTML转义字符（比如错误里的<）、非标准文本限定符或者编码问题，导致基础的read.csv()无法正常解析。下面是几个针对性的解决方案，你可以逐一尝试：

• 指定正确的文件编码
  R默认的编码可能和你的文件不匹配，这是触发多字节错误的常见原因。你可以尝试给read.csv()加上fileEncoding参数，优先试试UTF-8，不行再换GBK或ISO-8859-1：

  currency <- read.csv("02prepared data/scraped data kickstarter/film & video1.csv", fileEncoding = "UTF-8")
  

  如果你不确定文件编码，可以用readr包的guess_encoding()工具检测：

  library(readr)
  guess_encoding("02prepared data/scraped data kickstarter/film & video1.csv")
  

  然后用检测到的编码值替换fileEncoding参数即可。

• 改用readr包的健壮读取函数
  基础的read.csv()对特殊字符和编码的兼容性较差，readr包的read_csv()能更好地处理这类问题，还会给出更清晰的错误提示，甚至自动修复一些格式问题：

  library(readr)
  currency <- read_csv("02prepared data/scraped data kickstarter/film & video1.csv")
  

  如果还是有问题，可以通过locale参数指定编码，或者用col_types手动定义列类型，避免自动解析时出错。

• 预处理清理特殊字符
  你的数据里可能存在HTML转义字符（比如<对应<）或者多余的文本限定符（"、'），可以先读取文件内容做清理，再重新读取：

  # 读取文件所有行内容
  file_content <- readLines("02prepared data/scraped data kickstarter/film & video1.csv", warn = FALSE)
  # 替换HTML转义字符
  file_content <- gsub("&lt;", "<", file_content)
  file_content <- gsub("&gt;", ">", file_content)
  # 移除多余的引号
  file_content <- gsub("['\"]", "", file_content)
  # 将处理后的内容写入临时文件
  writeLines(file_content, "temp_cleaned.csv")
  # 读取清理后的文件
  currency <- read.csv("temp_cleaned.csv")
  

• 手动指定文本限定符和分隔符
  如果CSV文件用了非标准的文本限定符，你可以通过quote参数明确指定，比如文件里用单引号作为限定符：

  currency <- read.csv("02prepared data/scraped data kickstarter/film & video1.csv", quote = "'")
  

  要是分隔符不是逗号，也可以用sep参数指定（比如sep = ";"）。

内容的提问来源于stack exchange，提问作者Dishant Shetty