若使用R语言调用data <- read.csv("dataset.csv")
文件出现了乱码,解决的方法简单整理如下:
- 查看R语言运行环境的区域(locale)设置
> Sys.getlocale(category = "LC_ALL")
[1] "LC_COLLATE=Chinese (Simplified)_China.936;LC_CTYPE=Chinese (Simplified)_China.936;LC_MONETARY=Chinese (Simplified)_China.936;LC_NUMERIC=C;LC_TIME=Chinese (Simplified)_China.936"
- 若区域设置的字符集LC_CTYPE为中文,一般可以断定dataset.csv文件是UTF-8文件格式,此时可以加一个参数:
data <- read.csv("dataset.csv", fileEncoding = "UTF-8")
若还是不能读取数据集,或者使用fileEncoding = "UTF-8"
时header出现了X.U.FEFF奇怪的字样,说明UTF-8格式的文件头带了BOM(byte oreder mark, 字节顺序标记),此时应该换成fileEncoding = "UTF-8-BOM"
:
data <- read.csv("dataset.csv", fileEncoding = "UTF-8-BOM")
注意:
- 不要使用
encoding = "UTF-8"
的参数,实际上encoding
的参数相当于分两个步骤:# 1. 读入数据 data <- read.csv("dataset.csv") # 2. 对data中有所的字符串进行encoding转码,比如, # 带中文的factor(或是character),实际上调用了: Encoding(levels(data[,1]) <- "UTF-8" # 对应列是factor 情形 # 或 Encoding(data[,1]) <- "UTF-8" # 对应列是character情形
- 不要
fileEncoding
和encoding
两个参数同时使用
原因如同注意1, 若是fileEncoding和encoding同时指定`UTF-8’, 相当于对字符串进行两次转码。