如何对中文文本正确分列读取

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

附件是包含中文，请教如何能够将其正确分列读入data frame（不要对原始文件修改）。我尝试过read.csv，“利息归本”一行因为“股东代码”列为空，导致出错。而尝试用read.fwf，但中文和英文字符宽度不一致，不知道fileEncoding该怎样设置。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Coding Frame READ Fram DING frame 中文 英文 如何 股东

老规矩，文本文件IO不推荐用base R函数。

1. library(readr)
   
2. loc <- locale(encoding = "GB18030")
   
3. df <- read_table("20151222对账单查询.txt", skip = 2, locale = loc)

复制代码

你把第一行的双横线什么的去掉。
然后再读应该就可以了。

你把两个数据都下载好。
data1.txt，与你上传的数据相比，删除了前面两行。

data1.rar里有data1.csv文件，这个文件，把data1.txt数据粘贴到Excel中，然后按照固定宽度分列得到的一个表格形式。
这样之后，在R里面，才能比较友好地读取出来。

1. options(stringsAsFactors=FALSE)
   
2. xx<- read.csv("data1.csv")

复制代码

不要怪R对数据要求高，是你得到的数据，事先就要进行一定的处理，才能直接读取。之后以不在R里操作，是因为全部是制表符分隔，有部分还是空的，这个会让表格错乱。

jiangbeilu 发表于 2015-12-24 19:25
你把两个数据都下载好。
data1.txt，与你上传的数据相比，删除了前面两行。

前两行不用删，read.table有skip参数可以跳过文件开头的前n行。出问题的是你有些列是空的，但是没有任何区分。base R的read.table系列函数并不会做任何“智能”的猜测，而是直接报错。readr的read_table则会对数据结构进行一定程度的猜测，在你的情况下便是猜对了。

suimong 发表于 2015-12-25 00:12
前两行不用删，read.table有skip参数可以跳过文件开头的前n行。出问题的是你有些列是空的，但是没有任何区 ...

是的，可以用readr里的read_table读取，如果数据量比较多的话，猜测很难检查出全体。我上面的方法，也会出现这样的问题。所以需要对数据做一定的预处理。