如何在 R 中打开下载的包含正确重音字符和错误字符的 .csv 文件？

Question

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”（应该是Virgínia）。 如果我什么都不做，它会打开“Virginia”拼写错误的文件。如果我尝试一种我知道的更正方法，例如使用 UTF-8 编码保存文件，那么“Veríssimo”就会拼写错误。

在 R 中，我尝试过：

dados_MG2 <- read_csv("dados_MG.csv")

，它会检测 UTF-8 编码并以拼写错误的“Veríssimo”打开。

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，并且使用它，“Veríssimo”拼写正确，但“Virgínia”则不然。

这是我的数据集的链接： https://github.com/elisa-fink/THM

谢谢您的帮助！

Answer 1

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"