如何读取 R 中包含逗号的值的 csv？

Question

我有一个工具（提供给我的 exe），它输出格式不正确的 csv。它们不好，因为最后一个值可以有逗号，没有引号，例如：

184500,OBJECT_CALENDAR,,,UNITS_NO_UNITS,NULL,,,,Sched N&S B1,1st,3rd,4S,5th&6th

最后一个字符串实际上从 'Sched' 开始，所以我希望看到这样的内容：

184500,OBJECT_CALENDAR,,,UNITS_NO_UNITS,NULL,,,,"Sched N&S B1,1st,3rd,4S,5th&6th"

这搞砸了我想做的一切，我很好奇如何解决它。有没有办法定义 read.csv 中的列数？

我试着逐行阅读，但速度很慢，而且不够优雅：

processFile = function(filepath) {
  i = 1
  vector = character(0)
  theFile = file(filepath, "r")
  while ( TRUE ) {
    line = readLines(theFile, n = 1)
    if ( length(line) == 0 ) {
      break
    } else {
      vector[i] <- line
      i = i+1
    }
  }
  close(theFile)
  formatted <- lapply(strsplit(vector[-1],','), function(x) {c(x[1:9], paste(x[10:length(x)], collapse = ','))})
  finalFrame <- as.data.frame(matrix(unlist(formatted),ncol = 10, byrow = TRUE))
  return(finalFrame)
}

有什么更好的方法吗？任何可以执行此操作的基本函数，如果没有，是否有任何库？

Answer 1

这并不理想，因为您仍然需要逐行读取文件，但是 stringr::str_split 有一个参数 n 指定最大拆分数。如果您设置 pattern = "," 和 n=10，那么它会将您的字符串拆分为 10 个部分，将最后一个块保留为单个字符串。

Answer 2

为每一列指定类似乎对我的情况有效。所以如果你有 4 列，而第 4 列可能有不同数量的逗号，试试这个：

theData <- read.table(filepath, colClasses=rep("character" ,4))

当然可以根据您的情况调整列数及其类。这是我在玩具 csv 文件上得到的内容：

> read.table("tmp.csv", colClasses=rep("character" ,4), header=FALSE)
  V1 V2 V3    V4
1 A, B, C,   1&2
2 A, C, C, 1,2,3
3 A, V, X,    12
4 A, V, D,   1,0

另一种选择是将 read.csv 与 fill=TRUE 参数一起使用

theData <- read.csv(filepath, fill=TRUE)

这将生成一个 data.frame，其列数等于逗号数最多的行。然后你将不得不手动将这些拆分的逗号组合成一个。

注意：这适用于只有最后一列可以有松散逗号的情况。

如何读取 R 中包含逗号的值的 csv？

How to read csv with values containing commas in R?

csv

r

read.csv