使用readr的read_delim直接读取Zip文件URL返回乱码的问题

这问题我之前也踩过坑！核心原因和解决办法给你理清楚：

为什么直接读URL会失败？ #

• ZIP是二进制压缩格式，不是纯文本文件。read_delim()默认只处理纯文本内容，当你直接传入ZIP的URL时，它不会自动触发解压逻辑，而是把ZIP的原始二进制字节流当成文本字符去解析——这就会出现embedded null（嵌入空字符）、列数不匹配等警告，最终生成乱码的数据框。
• 而本地读取时，read_delim()会通过文件扩展名或文件头识别出这是ZIP文件，自动调用解压功能读取里面的文本内容，所以能正常解析。

可行的解决办法 #

方法1：临时下载到本地再读取（最稳妥） #

先把ZIP文件下载到临时文件，再让read_delim()处理，它会自动解压：

library(readr)

# 定义目标URL和列名
url <- "https://www.rma.usda.gov/data/sob/sccc/sobcov_2018.zip"
col_names <- c(
  'year','stFips','stAbbr','coFips','coName', 
  'cropCd','cropName','planCd','planAbbr','coverCat', 
  'deliveryType','covLevel','policyCount','policyPremCount','policyIndemCount', 
  'unitsReportingPrem', 'indemCount','quantType', 'quantNet', 'companionAcres', 
  'liab','prem','subsidy','indem', 'lossRatio'
)

# 创建临时文件存储ZIP
temp_zip <- tempfile(fileext = ".zip")
# 二进制模式下载ZIP（避免文件损坏）
download.file(url, temp_zip, mode = "wb")

# 读取临时文件里的文本数据
df <- read_delim(temp_zip, delim='|', col_names = col_names)

# 可选：用完删除临时文件
unlink(temp_zip)

# 查看结果
head(df)

方法2：直接指定ZIP内的文件名（更灵活） #

如果你知道ZIP内部的具体文件名（可以先本地解压一次查看，或者用unzip(temp_zip, list = TRUE)获取文件名列表），可以用unz()直接读取ZIP内的目标文件：

library(readr)

url <- "https://www.rma.usda.gov/data/sob/sccc/sobcov_2018.zip"
col_names <- c(...)  # 同上列名

# 下载到临时文件
temp_zip <- tempfile(fileext = ".zip")
download.file(url, temp_zip, mode = "wb")

# 查看ZIP内的文件名列表（可选步骤）
unzip(temp_zip, list = TRUE)

# 假设ZIP内的文件名为sobcov_2018.txt，直接读取
df <- read_delim(unz(temp_zip, "sobcov_2018.txt"), delim='|', col_names = col_names)

unlink(temp_zip)

方法3：用vroom包一键搞定（最简洁） #

vroom是readr的姊妹包，专门优化大文件读取，它支持直接识别并解压远程ZIP文件，代码最简洁：

library(vroom)

url <- "https://www.rma.usda.gov/data/sob/sccc/sobcov_2018.zip"
col_names <- c(...)  # 同上列名

# 直接读取远程ZIP，自动完成解压和解析
df <- vroom(url, delim='|', col_names = col_names)

head(df)

内容的提问来源于stack exchange，提问作者JD Long