如何在R中打开下载的.csv文件，其中包含正确的重音字符和错误的？

oyxsuwqo 于 2023-09-27 发布在其他

关注(0)|答案(2)|浏览(116)

我有一个.csv文件，其中包含正确和误读的重音字符。例如，在第一行我有“Veríssimo”，在第二行我有“Virgí-nia”（本来应该是Virgínia）。如果我什么都不做，它会打开一个拼写错误的“Virgínia”文件。如果我尝试一种我知道的纠正方法，比如用UTF-8编码保存文件，那么“Veríssimo”就拼错了。
在R中，我尝试：dados_MG2 <- read_csv("dados_MG.csv")检测UTF-8编码，打开时“Veríssimo”拼写错误。
dados_MG <- read_csv("Dados/extra/dados_MG.csv", locale = locale(encoding = "ISO-8859-1"))我尝试强制使用不同的编码，使用它，“Veríssimo”拼写正确，但“Virgínia”不正确。
以下是我的数据集链接：https://github.com/elisa-fink/THM

csv

来源：https://stackoverflow.com/questions/77038237/how-do-i-open-in-r-a-downloaded-csv-file-that-contains-both-correct-accented-ch

2条答案

按热度按时间

yvfmudvl1#

您可以使用nchar查找包含无效UTF-8字符的字符串，并将其替换为使用ISO-8859-1编码读取的字符串：

dados_MG <- read_csv('dados_MG.csv')
dados_MG.iso <- read_csv('dados_MG.csv', locale = locale(encoding = 'ISO-8859-1'))

not.utf <- is.na(nchar(dados_MG$DS_NOME, allowNA=T))
dados_MG$DS_NOME[not.utf] <- dados_MG.iso$DS_NOME[not.utf]

grep('^Ver.ss|^Virg.ni', dados_MG$DS_NOME, value=T)
# [1] "Veríssimo" "Virgínia"

一个更简单的变体，只阅读一次CSV文件（* 灵感来自 *@rps1227的答案 *）：

dados_MG <- read_csv('dados_MG.csv')
not.utf <- is.na(nchar(dados_MG$DS_NOME, allowNA=T))
dados_MG$DS_NOME[not.utf] <- 
  iconv(dados_MG$DS_NOME[not.utf], from='ISO-8859-1', to='UTF-8')

赞(0）回复(0）举报 2023-09-27

mspsb9vt2#

另一个选项只需要阅读文件一次，并使用base::iconv()转换原始文件中未使用UTF-8编码的名称：

dados_MG <- read_csv("./dados_MG.csv") %>%
  mutate(encode_issues = is.na(unlist(lapply(DS_NOME, nchar, allowNA = TRUE)))) %>%
  mutate(DS_NOME = if_else(encode_issues,
                           iconv(DS_NOME, from = "ISO-8859-1",
                                 to = "UTF-8"),
                           DS_NOME)) %>%
  select(-encode_issues)

grep('^Ver.ss|^Virg.ni', dados_MG$DS_NOME, value=T)
#> [1] "Veríssimo" "Virgínia"

创建于2023-09-04使用reprex v2.0.2

赞(0）回复(0）举报 2023-09-27

我来回答

如何在R中打开下载的.csv文件，其中包含正确的重音字符和错误的？

2条答案

相关问题

热门标签

最新问答