write.xlsx（openxlsx）的编码问题

Question

我使用openxlsx包中的write.xlsx()函数将列表对象转换为Excel电子表格，其中列表的每个元素都被转换为Excel文件的一个“工作表”。在过去，这个函数非常有用，我从未遇到过任何问题。据我了解，这个包和特定的函数不需要计算机上的任何特定Java更新才能正常工作。

然而，最近我发现该函数产生了错误。当我为列表运行write.xlsx()时，控制台会显示以下内容：

Error in gsub("&", "&", v, fixed = TRUE) : 
  input string 5107 is invalid UTF-8

我已经确认了导致问题的数据框，但我不确定如何找出是哪部分数据框引起了错误。

我甚至已经针对这个特定的数据框中的所有列使用了enc2utf8()函数，但仍然遇到错误。我已经在数据框本身上使用了substr()函数，并显示每个列的前n个字符，但我没有从输出中看到任何明显的问题。

我甚至已经使用install.packages()函数再次下载openxlsx包，以防有任何更新。

有人知道我该如何找出错误的原因吗？是包中写的函数本身造成的问题吗？如果问题在于数据本身的编码方式，那么enc2utf8()无法解决问题吗？

谢谢！

- im2wddrf

---

这不是Java问题。您的数据框中有一个非UTF8字符字符串导致了错误。我不确定如何确定哪一行和哪一列有问题的字符串，但我发现iconv函数可以在使用openxlsx::write.xlsx写入数据框时解决这些问题。例如，您可以在数据框的字符列上运行以下代码：dat$col = iconv(dat$col, to="UTF-8")。 - eipi10

如果您需要在数据框列表上执行此操作，可以使用lapply迭代整个列表，然后在每个数据框内部使用lapply对每个字符列运行iconv。 - eipi10

@eipi10 非常感谢！我的脚本终于可以工作了。显然，这个 icon() 是我需要的函数。我使用 sapply(..., iconv, to = "UTF-8") 读取了所有文本文件，因此不需要执行 lapply()。问题已解决！ - im2wddrf

Answer 1

我刚刚遇到了这个问题。基于这个问题，你可以用以下方法替换数据框中的所有坏字符:

library(dplyr)
df %>%
  mutate_if(is.character, ~gsub('[^ -~]', '', .))

仅针对字符列，或者：

df %>%
  mutate_all(~gsub('[^ -~]', '', .))  

对于所有列，然后使用write.xlsx()将其导出为XLSX。

- sbha

---

对我来说很奇怪，stringi::stri_enc_toutf8() 不起作用，但是简单地删除这些字符就可以了。 - Brandon

Answer 2

就找错误而言，给定的数字指向了问题（在您的情况下是5107）。这似乎是计算写入文件的字符串数量。要找到特定的数据点，我采用了以下方法：

假设我们的数据框有20个变量，其中10个是字符类型。

- 如果您正在编写列标题（因为所有这些都是字符串），请减去变量的数量（5107-20=5087） - 将余数除以每个观测值的字符变量数（5087/10=508.7）；这意味着问题在第509行（因为在标题和前508行之间有5080+20=5100个字符串） - 在第509行中的第7个字符变量将是您的问题所在。

- Dov Rosenberg