輸入無效會導致read.csv中斷數據

Question

我一直在嘗試將csv文件讀入R中，但它始終不中斷。我認爲這可能是由於文件編碼，但我不確定。

這裏是我跑的代碼：

read.csv('crunchbase_companies_2.csv', fileEncoding="UTF-8", quote="") 

然後我得到一個警告消息：In scan(file, what, nmax, sep, dec, quote, skip, nlines, na.strings,: invalid input found on input connection。

R讀取數據，但只能在達到特殊字符時停止。所以我只能得到R中的部分數據。我粘貼了我在這裏得到的數據：http://pastebin.com/EQLnXz2W。請注意，雖然它會切斷「Ì」之類的內容。所以這些字符不在示例數據中。

我也檢查了在終端使用file編碼。它返回Non-ISO extended-ASCII English text, with CR line terminators。

我需要做什麼來讀取整個數據集？

Answer 1

因此，雖然我不太清楚爲什麼，但在調用read.csv函數時，最終工作的是將fileEncoding更改爲latin1。

這是在不同的回答here中提到的。不知何故，這是我沒有嘗試過的一件事...

Answer 2

我今天遇到類似的問題，花了幾個小時。 我嘗試更改編碼/ fileEncoding，setlocal以及這裏找到的其他一些東西。但是他們都沒有爲我工作。

最終我找到了非英文文章（這些人可能對此有更多的經驗），並且這個技巧是：將開放模型從「r」改爲「rb」。

就我而言，我使用readlines方法，所以它的

fileIn=file("userinfo.csv",open="rb",encoding="UTF-8") 
lines = readLines(fileIn, n = rowPerRead, warn = FALSE) 

我不完全理解爲什麼，我的猜測是Unicode字符是字節，所以如果它不是由字節讀取，那麼大傢伙會阻止掃描。