无效的多字节字符串 1

Question

我是R软件的新手

现在，使用“tm”包学习文本挖掘

我在将文本映射为小写时遇到了问题

sms_raw<-read.csv(............)
sms_corpus<-Corpus(VectorSource(sms_raw$text)) 
sms_corpus<-Corpus(VectorSource(sms_raw$text))  
tm_map(sms_corpus,content_transformer(tolower))   
error:invalid multubytes string 1

我认为我的csv文件可能不是utf-8编码，所以我尝试将其转换为utf-8编码，但是没有成功。

我的操作系统是win8.1。

如果有人对这个问题有解决方案，请告诉我。

- Dalgarim

---

请提供一个简洁的可重现示例，演示您的进展停止的位置。 - Roman Luštrik

Answer 1

我通过编码函数轻松解决了错误。

我的文件中的列名为text，其中包含多字节字符。

所以我输入：

sms_raw$text <- iconv(enc2utf8(sms_raw$text),sub="byte")

这个命令将“text”列（多字节）转换为UTF-8格式

- Dalgarim

---

我知道这已经是几年前的事了，但还是谢谢你。解决了我的问题。 - astronomerforfun