使用 UTF-16 编码的 R write.csv

Question

我在使用 UTF-16 字符编码的 write.csv 输出 data.frame 时遇到问题。

背景：我正在尝试从 data.frame 中写出 CSV 文件以在 Excel 中使用。 Excel Mac 2011 似乎不喜欢 UTF-8（如果我在文本导入期间指定 UTF-8，非 ASCII 字符将显示为下划线）。我一直相信 Excel 会满意 UTF-16LE 编码。

这是示例 data.frame：

> foo
  a  b
1 á 羽
> Encoding(levels(foo$a))
[1] "UTF-8"
> Encoding(levels(foo$b))
[1] "UTF-8"

所以我尝试通过执行以下操作来输出 data.frame：

f <- file("foo.csv", encoding="UTF-16LE")
write.csv(foo, f)

这给了我一个 ASCII 文件，如下所示：

"","

如果我使用 encoding="UTF-16"，我会得到一个仅包含字节顺序标记 0xFE 0xFF 的文件。

如果我使用 encoding="UTF-16BE"，我会得到一个空文件。

这是在 Mac OS X 10.6.6 上的 64 位版本的 R 2.12.2 上。我做错了什么？

Answer 1

您只需将 csv 保存为 UTF-8，然后使用 iconv< 将其转换为 UTF-16LE /a> 在终端中。

如果您坚持在 R 中执行此操作，则以下方法可能会起作用 - 尽管 R 中的 iconv 似乎确实存在一些问题，请参阅：http://tolstoy.newcastle.edu.au/R/e10/devel/10/06/0648.html

> x <- c("foo", "bar")
> iconv(x,"UTF-8","UTF-16LE")
Error in iconv(x, "UTF-8", "UTF-16LE") : 
  embedded nul in string: 'f\0o\0o\0'

如您所见上面链接的补丁是确实需要的 - 我没有测试过，但是如果你想保持它简单（并且令人讨厌）：只需在保存后使用 system 调用来调用 R 中的第三方 iconv 程序表到 csv。

Answer 2

类似的事情可能会这样做（write.csv() 只是忽略编码，因此您必须选择 writLines() 或 writeBin()) ...

#' function to convert character vectors to UTF-8 encoding
#'
#' @param x the vector to be converted
#' @export 

toUTF8 <- 
  function(x){
    worker <- function(x){
      iconv(x, from = Encoding(x), to = "UTF-8")
    }
    unlist(lapply(x, worker))
  }



#' function to write csv files with UTF-8 characters (even under Windwos)
#' @param df data frame to be written to file
#' @param file file name / path where to put the data
#' @export 

write_utf8_csv <- 
function(df, file){
  firstline <- paste(  '"', names(df), '"', sep = "", collapse = " , ")
  char_columns <- seq_along(df[1,])[sapply(df, class)=="character"]
  for( i in  char_columns){
    df[,i] <- toUTF8(df[,i])
  }
  data <- apply(df, 1, function(x){paste('"', x,'"', sep = "",collapse = " , ")})
  writeLines( c(firstline, data), file , useBytes = T)
}


#' function to read csv file with UTF-8 characters (even under Windwos) that 
#' were created by write_U
#' @param df data frame to be written to file
#' @param file file name / path where to put the data
#' @export 

read_utf8_csv <- function(file){
  # reading data from file
  content <- readLines(file, encoding = "UTF-8")
  # extracting data
  content <- stringr::str_split(content, " , ")
  content <- lapply(content, stringr::str_replace_all, '"', "")
  content_names <- content[[1]][content[[1]]!=""]
  content <- content[seq_along(content)[-1]]  
  # putting it into data.frame
  df <- data.frame(dummy=seq_along(content), stringsAsFactors = F)
  for(name in content_names){
    tmp <- sapply(content, `[[`, dim(df)[2])
    Encoding(tmp) <- "UTF-8"
    df[,name] <- tmp 
  }
  df <- df[,-1]
  # return
  return(df)
}