加载具有 UTF-8 编码错误 "no lines available in input" 的 .csv 文件 - 字节顺序标记 (BOM)“ï..”
Loading .csv file with UTF-8 encoding error "no lines available in input" - byte order mark (BOM) "ï.."
我正在使用 read.csv2() 函数加载 CSV 文件。该文件包含 non-ASCII 个字符，例如“é”。
在 Excel 中加载它时，它们使用 UTF-8 编码正确显示，所以我猜我在使用 read.csv2().
加载此文件时需要使用相同的编码
但一切都出了问题...
# works but non-ASCII characters do not display correctly
read.csv2(file = "./data/myfile.csv")
read.csv2(file = "./data/myfile.csv", fileEncoding = "latin1")
# does not work: error "no lines available in input"
read.csv2(file = "./data/myfile.csv", fileEncoding = "UTF-8")
我尝试使用 read.delim() 和 read.table() 但没有成功；我得到了同样的错误。请注意 headers、sep 和 quotes 似乎没问题，因为 table 在使用 read.csv2(file = "./data/myfile.csv") 时正确显示（non-ASCII 字符除外...... ).
我不知道如何使其可重现...如果您有任何提示，请不要犹豫发表评论！
编辑
当我查看第一列的第一个 header 时，它在列名前面显示了一个奇怪的 ï..。但是当我在Excel中打开它时，这一行header...
前面没有任何东西（甚至没有space）
您遇到了常见的 BOM 问题。 BOM 通常用于指示 generic UTF-16 和 UTF-32（字节顺序相关）的字节顺序。
显然 Microsoft 认为改变现有标准的解释是可行的方法（谁关心与非 Microsoft 系统的互操作性？），因此他们使用 BOM 作为文件是 UTF-8 的指示，以区别于其他DOS 和 Windows 使用的遗留编码。 （注意：Linux 并且 Apple 将默认编码更改为 UTF-8，无需破坏内容或添加 BOM，而且速度更快）。
因此，Microsoft 创建的 UTF-8 文件通常具有 BOM (0xEF 0xBB 0xBF)，在 cp1252（Microsoft 对 Latin-1 的扩展）上显示为 。
但是大多数工具（不是微软出品的）都误解了BOM，有时遵循标准，所以将其解释为隐藏的白色space（大多数现代Unicode标准中转换为BOM的代码点的本义） ，或者只是将其视为二进制数据，因此忽略数据。
出于这个原因，现在我们有了编码 utf-8-bom，它只是跳过初始 BOM（或在写入时创建 BOM）。这通常可以解决问题。
我正在使用 read.csv2() 函数加载 CSV 文件。该文件包含 non-ASCII 个字符，例如“é”。
在 Excel 中加载它时，它们使用 UTF-8 编码正确显示，所以我猜我在使用 read.csv2().
但一切都出了问题...
# works but non-ASCII characters do not display correctly
read.csv2(file = "./data/myfile.csv")
read.csv2(file = "./data/myfile.csv", fileEncoding = "latin1")
# does not work: error "no lines available in input"
read.csv2(file = "./data/myfile.csv", fileEncoding = "UTF-8")
我尝试使用 read.delim() 和 read.table() 但没有成功；我得到了同样的错误。请注意 headers、sep 和 quotes 似乎没问题，因为 table 在使用 read.csv2(file = "./data/myfile.csv") 时正确显示（non-ASCII 字符除外...... ).
我不知道如何使其可重现...如果您有任何提示，请不要犹豫发表评论！
编辑
当我查看第一列的第一个 header 时，它在列名前面显示了一个奇怪的 ï..。但是当我在Excel中打开它时，这一行header...
您遇到了常见的 BOM 问题。 BOM 通常用于指示 generic UTF-16 和 UTF-32（字节顺序相关）的字节顺序。
显然 Microsoft 认为改变现有标准的解释是可行的方法（谁关心与非 Microsoft 系统的互操作性？），因此他们使用 BOM 作为文件是 UTF-8 的指示，以区别于其他DOS 和 Windows 使用的遗留编码。 （注意：Linux 并且 Apple 将默认编码更改为 UTF-8，无需破坏内容或添加 BOM，而且速度更快）。
因此，Microsoft 创建的 UTF-8 文件通常具有 BOM (0xEF 0xBB 0xBF)，在 cp1252（Microsoft 对 Latin-1 的扩展）上显示为 。
但是大多数工具（不是微软出品的）都误解了BOM，有时遵循标准，所以将其解释为隐藏的白色space（大多数现代Unicode标准中转换为BOM的代码点的本义） ，或者只是将其视为二进制数据，因此忽略数据。
出于这个原因，现在我们有了编码 utf-8-bom，它只是跳过初始 BOM（或在写入时创建 BOM）。这通常可以解决问题。