Read.table() invalid multibyte string error: Find the strings causing the error

Question

我知道关于 read.table() 的问题有很多类似的问题。但是我无法将以下数据 sheet 导入 R，它由具有不同资产的交易域、它们的描述和组组成：

https://wikifolio.blob.core.windows.net/prod-documents/Investment_Universe.xlsx

我将文件保存为 dat.csv 并尝试 read.table("dat.csv", header=T, sep=";", stringsAsFactors=F, quote="") 使用不同的编码（例如 latin1），但我总是收到无效的多字节字符串错误。此外，我尝试使用文本编辑器查找并替换所有“ä”、“ö”和“ü”。

如何找到将 table 读入 R 时发生错误的行？目前，我不知道去哪里寻找导致问题的字符串。

谢谢！

Answer 1

问题出在您的其中一个包含 ü 字符的列名中。在 read.csv2:

中使用 check.names = FALSE

 dat <- read.csv2("dat.csv", check.names = FALSE)

这将正确读取您的文件：

> head(dat)
          ISIN    WKN SecurityType            Bezeichnung Anlageuniversum (Gruppe)      Anlageuniversum Whitelist f\x81r institutionelle Produkte _ Schweiz
1 AN8068571086 853390        Stock           SCHLUMBERGER            Aktien Europa Aktien Europa Select                                                   X
2 AT000000STR1 A0M23V        Stock                STRABAG            Aktien Europa Aktien Europa Select                                                   X
3 AT00000AMAG3 A1JFYU        Stock AMAG AUSTRIA METALL AG            Aktien Europa Aktien Europa Select                                                   X
4 AT00000ATEC9 A0LFDH        Stock       A-TEC INDUSTRIES            Aktien Europa Aktien Europa Select                                                   X
5 AT00000BENE6 A0LCPZ        Stock                BENE AG            Aktien Europa Aktien Europa Select                                                   X
6 AT00000FACC2 A1147K        Stock                FACC AG            Aktien Europa Aktien Europa Select                                                   X

然后您可以更改列名称，例如：

names(dat) <- c("ISIN","WKN","SecurityType","Bezeichnung",
                "Anlageuniversum_Gruppe","Anlageuniversum","Whitelist_Schweiz")

另一种可能性是在没有 headers:

的情况下读取您的文件

dat <- read.csv2("dat.csv", header = FALSE, skip = 1)