data.table::fread读取含换行符文本时解析异常求助

你的问题根源在于fread默认将换行符视为行分隔符，而textProblem里的FullName字段包含了换行（Morgan Stanley Dean Witter Municipal Income Trust和CEF之间的空行），导致解析器错误地把这部分内容拆成了新行，最终出现列错位、字段匹配混乱的情况。

下面提供两种可行的解决方案：

方法1：预处理文本，替换字段内的换行符 #

既然字段内的换行是问题核心，我们可以先把文本里字段内部的换行符替换成空格（或其他不影响解析的字符），再用fread读取：

# 把textProblem中的所有换行符替换为空格
textProblemCleaned <- gsub("\\n+", " ", textProblem)
# 读取处理后的文本
as.data.frame(data.table::fread(input=textProblemCleaned, sep=";", na.strings=c("Unassigned or n/a", "n/a", "{EMPTY}")))

处理后FullName字段会合并为Morgan Stanley Dean Witter Municipal Income Trust CEF，fread就能正常识别所有列的边界了。

方法2：用引号包裹含换行的字段（符合分隔符文本规范） #

如果需要保留字段内的换行（你的场景里可能不需要，但这是更规范的处理方式），可以通过正则将包含换行的字段用引号括起来——分隔符文本中，字段内有换行时必须用引号包裹才能被正确解析：

# 用引号包裹第二个字段（FullName），匹配分隔符;之间的内容
textProblemQuoted <- gsub("(;)(.*?)(;)", "\\1\"\\2\"\\3", textProblem, perl=TRUE)
# 读取带引号的文本，指定quote参数识别引号包裹的字段
as.data.frame(data.table::fread(input=textProblemQuoted, sep=";", quote="\"", na.strings=c("Unassigned or n/a", "n/a", "{EMPTY}")))

这种方式既能保留字段内的换行，又能让fread准确识别字段范围。

验证效果 #

处理后运行代码，你会看到textProblem的解析结果和textWorking完全一致：列名正确，所有字段都匹配到对应的列中，不会再出现错位问题。

内容的提问来源于stack exchange，提问作者Samo