आर

Question

में अज्ञात एन्कोडिंग के साथ सीएसवी डेटा को कैसे पढ़ा जाए मेरे पास .csv डेटा है, और मैं इसे वेबपृष्ठ से देख सकता हूं, लेकिन जब मैं इसे R में पढ़ता हूं, तो कुछ डेटा दिखाया नहीं जा सका। डेटा यहाँ उपलब्ध है home.ustc.edu.cn/~lanrr/data.csv

mydata = read.csv("http://home.ustc.edu.cn/~lanrr/data.csv", header = T) 
View(mydata) # show something like this: 
# 9:39:37 665 600160 �޻��ɷ� ���� ���� 8.050 100 805.00 ��ȯ �ɽ�   
    ��ȯ���� E004017669 665 
    2 9:39:38 697 930 �������� ���� ���� 4.360 283 1233.88  
    ���� �ɽ� ����Ʒ���� 680001369 697 

डेटा कुछ चीनी शब्द हैं, लेकिन मैं अगर मैं एनकोड बदलने के लिए या कुछ अन्य काम करने होंगे, किसी को भी करने से पहले इस समस्या को पूरा नहीं करते हैं?

mydata = read.csv("http://home.ustc.edu.cn/~lanrr/data.csv", 
        encoding = "UTF-8", header = T, stringsAsFactors = F) 
View(mydata) 
# 9:39:37 665 600160 <U+00BE><U+07BB><U+00AF><U+00B9><U+0277><dd> <c2><f4> 
    <U+00B3><f6> <c2><f2><c2><f4> 8.050 100 805.00 <c8><da><U+022F>  
    <U+00B3><U+027D><U+00BB> <c8><da><U+022F><c2><f4><U+00B3><f6> E004017669 665 
    2 9:39:38 697 930 <d6><d0><U+0078><c9><fa><U+00BB><U+00AF> <c2><f4> 
    <U+00B3><f6> <c2><f2><c2><f4> 4.360 283 1233.88 <d0><c5><d3><c3>  
    <U+00B3><U+027D><U+00BB> <U+00B5><U+00A3><U+00B1><U+00A3><U+01B7><c2><f4><U+00B3> 
    <f6> 680001369 697 

sessionInfo() 
# R version 2.15.2 (2012-10-26) 
    Platform: x86_64-redhat-linux-gnu (64-bit) 

    locale: 
    [1] LC_CTYPE=en_US.UTF-8  LC_NUMERIC=C    LC_TIME=en_US.UTF-8    
    LC_COLLATE=en_US.UTF-8  
    [5] LC_MONETARY=en_US.UTF-8 LC_MESSAGES=en_US.UTF-8 LC_PAPER=C     
    LC_NAME=C     
    [9] LC_ADDRESS=C    LC_TELEPHONE=C    LC_MEASUREMENT=en_US.UTF-8 
    LC_IDENTIFICATION=C  

    attached base packages: 
    [1] compiler stats  graphics grDevices utils  datasets methods base  

    other attached packages: 
    [1] data.table_1.8.8 TTR_0.22-0  xts_0.9-3  zoo_1.7-9   
    timeDate_2160.97 Matrix_1.0-9  lattice_0.20-10 

    loaded via a namespace (and not attached): 
    [1] grid_2.15.2 tools_2.15.2 

मैं इस तरह से अंत में में यह कार्य करें:

Sys.setlocale("LC_COLLATE", "Chinese") 
Sys.setlocale("LC_CTYPE", "Chinese") 
Sys.setlocale("LC_MONETARY", "Chinese") 
Sys.setlocale("LC_TIME", "Chinese") 
Sys.setlocale("LC_MESSAGES", "Chinese") 
Sys.setlocale("LC_MEASUREMENT", "Chinese") 

Answer 1

आप के साथ read.csv उपयोग कर सकता है एन्कोडिंग UTF-8:

df <-read.csv("data.csv", encoding="UTF-8", stringsAsFactors=FALSE) 

चीनी पत्र वर्ण और नहीं करने वाले कारक बनाने के लिए ।

नोट: मेरे पास मेरे पर्यावरण में चीनी भाषा पैक स्थापित नहीं है, इसलिए मैं यह निर्धारित नहीं कर सकता कि आपके द्वारा प्रदान किए गए .csv में खराब वर्ण दूषित हैं या अपरिचित हैं।

Answer 2

पहले, में है कि csv फ़ाइल GBK में एन्कोड नहीं UTF-8, इसलिए कोड होना चाहिए:

mydata <- read.csv("http://home.ustc.edu.cn/~lanrr/data.csv", 
        encoding = "GBK", 
        header = TRUE, 
        stringsAsFactors = FALSE) 

दूसरा, अगर आपके env चीनी (सरलीकृत) नहीं है, आप के रूप में इस तरह के set_locale चाहिए

Sys.setlocale (श्रेणी = "LC_ALL", लोकेल = "चीनी (सरलीकृत)") (मेरे उदाहरण ओएस विंडोज 7 है), और फिर साथ तालिका दिखाने:

fix(mydata)