将像ÆØÅ这样的特殊字符读入R（Rstudio）

Question

我正在尝试读取一个包含用挪威语编写的问卷数据的CSV文件。因此，该文件包含字母Æ Ø Å，但R似乎无法很好地处理这些字母，它们都显示为问号。

我使用以下代码来读取数据：

data <- read.csv2("Responser - Vasket - 20.06.2013.csv")

有没有什么选项应该使用，让R知道我有特殊字符？

而且我正在Windows 7上使用Rstudio。

- Ole Henrik Skogstrøm

---

尝试使用 encoding = "UTF-16"。这是一个指示编码方式的命令，建议在编程中使用。 - user1609452

或者使用编码 = ISO-8859-1。根据此处：查看完全覆盖的语言。 - agstudy

这些都没有解决它。我仍然得到问号。还有更多的提示吗？ - Ole Henrik Skogstrøm

Answer 1

您需要在read.csv2中指定fileEncoding参数（而不是）encoding）。

---

在使用R之前，最好使用文本编辑器检查文件的编码。例如，如果您在Notepad++中打开文件，则Encoding菜单可让您查看和更改字符编码。在TextPad中，您可以从“另存为..”对话框中更改编码。大多数文本编辑器都会有这样的功能。

这是您需要传递给fileEncoding的值。如果文件不是UTF-16，则无法仅声明文件为UTF-16。这就是为什么您收到警告的原因。

- Richie Cotton

---

fileEncoding = "UTF-16" 给我警告并取消了导入。ISO-8859-1 对问号没有任何作用 :-/ - Ole Henrik Skogstrøm

嗨@OleHenrikSkogstrøm，你是如何解决这个问题的？我需要导入既有挪威字母又有瑞典字母的数据。 - dsauce

Answer 2

根据我的R版本和设置，以下方法适用于我：
在记事本中检查csv文件以“编码：ANSI”保存。
在RStudio中：工具/选项/默认文本编码：ISO8859-1
我尝试使用如下示例的虚拟数据：

dd <- data.frame(area = c("øø", "åå", "ææ"), site = c("åå", "ææ", "øø")) 
write.csv2(x = dd, file = "åæø.csv", row.names = FALSE)
dd2 <- read.csv2(file = "åæø.csv")
all.equal(dd, dd2)

sessionInfo()
R version 3.0.1 (2013-05-16)
Platform: x86_64-w64-mingw32/x64 (64-bit)

locale:
[1] LC_COLLATE=Norwegian (Bokmål)_Norway.1252  LC_CTYPE=Norwegian (Bokmål)_Norway.1252   
[3] LC_MONETARY=Norwegian (Bokmål)_Norway.1252 LC_NUMERIC=C                              
[5] LC_TIME=Norwegian (Bokmål)_Norway.1252


getOption("encoding")
[1] "native.enc"

编辑来自@Ole Henrik Skogstrøm 8月7日7:57的下面评论：

@Ole Henrik Skogstrøm所说的评论“如果我...在Rstudio中使用查看命令，这个错误仍然存在”和“如果我只是输入并将结果放入控制台中，它就能工作”，揭示出原始帖子中给出的信息不足。

我的上面的答案实际上适用于最初提出的问题：将特殊字符读入R。但是，并且在OP中没有指定的是不起作用的是，使用RStudio的‘View’显示æøå不正确。当从控制台运行View(dd)（dd请参见上面的虚拟数据）时，在‘Workspace pane’中单击该对象时，数据查看器中会将æøå显示为“黑色菱形问号”。反之，如果您仅使用RGui而不使用RStudio，则View(dd)在数据查看器中正确地显示字符。

因此，与将æøå读入R有关的问题不是问题，而是在RStudio中进行View -ing的问题。另请参见RStudio支持上的此帖子。

- Henrik

---

嗨，很抱歉这么晚才回复你。我一度忘记了这个问题。这个答案写得非常好，但是对我来说并不起作用。我得到了与您相同的区域设置输出，但我的数据集dd和dd2仍然显示为问号。:-/ 有什么建议吗？ - Ole Henrik Skogstrøm

嗯... getOption("encoding") 返回的是 "native.enc"？那就试试这个：read.table(text='"æ", "ø", "å"', sep = ",", encoding = "native.enc")？ - Henrik

很奇怪，如果我在Rstudio中创建一个数据框并使用视图命令，这个错误仍然存在。但是，如果我只是手动输入并将结果放入控制台，它就可以工作... 有什么想法吗？ :) - Ole Henrik Skogstrøm

为了帮助您，我认为您需要更明确地说明问题，并更清楚地介绍您已尝试过的方法。请提供一个最小化可重现的示例。我的答案是否实际解决了您原始帖子中描述的问题？您没有提到使用“Rstudio中的view命令”。 - Henrik

Answer 3

嗨，亨利克，当使用Excel生成的包含 Ø Æ Å 的csv文件在R中打开时，它们会将挪威字母显示为一个黑色钻石，中间有一个白色问号。对我来说，这个问题明显是基于编码的，但我无法成功地使用“编码”或“fileEncoding”正确打开它们。

我通过在记事本中打开csv文件，将其转换为文本文件，并将编码从“ANSI”更改为“UTF-8”来解决了我的系统上的问题。请参见以下示例。

下面的链接包含两个由Excel创建的csv文件，一个编码为MS-DOS编码（Names CSV MSDOS），另一个编码为“逗号分隔”的样式（Names CSV）。

https://drive.google.com/folderview?id=0BzoGQiFdDwiNNm02UnNLVVNja3c&usp=sharing

打开两个文件应该会发现，用记事本打开的 MS-DOS 版本显示的字母是不正确的（可以忽略），而“逗号分隔”的版本则显示正确。将“Names CSV”文件保存为文本文件，编码为“UTF-8”，并命名为“Names CSV UTF8”。将您在 R 中的工作目录设置为这些文件所在的文件夹，并运行以下代码。

test1 <- read.csv2("Names CSV.csv")
test2 <- read.csv2("Names CSV UTF8.txt")

test1应该显示带问号的黑色菱形符号，test2应该正确显示名称。

我认为之前的答案可能没有起作用是因为表格是由R创建的，R设置了字符编码，而我们遇到的问题是不同的软件或系统设置了编码。

如果你有很多文件需要处理，这个解决方案并不是很有用，但至少是一个开始。

- Jonno Bourne

---

这个解决方案对我很有用，谢谢！之前我按照@Henrik的示例操作，一切都很好，直到我尝试从不同的脚本中读取包含read.csv2(file = "åæø.csv")的ANSI编码文件åæø.csv时。在源代码时，R给了我非常恼人的错误提示：“invalid input found on input connection”和“Incomplete Final Line found by readTableHeader”，这是没有意义的，因为我能够在原始脚本中读取csv文件。然而，将csv文件更改为UTF-8编码对我起了作用！希望这能帮助下一个人 :) - chilifan