R 读取字段中引号和分隔符不均匀的格式错误的 csv

Question

我有一个格式错误的 csv 文件（我没有制作），在某些字段中包含分隔符和断引号。我想把它读入 R.

table 的三行看起来像这样：

| ids    |info           | text                                   |
| id 1   |extra_info;1998| text text text                         |
| id 2   |extra_info2    | text with broken dialogues quotes "hi! |

#the same table in R string could be
string <- "ids;info;text\n\"id 1\";\"extra_info;1998\";\"text text text\"\n\"id 2\";extra_info2;\"text with broken dialogues quotes \"hi!\" \n"

在 csv-s 中常见的用 " 引号括住任何多于一个词的字段，和分号；用作分隔符。不幸的是，它的构建方式是最后一列（而且总是最后一列），可以在文本块中包含随机数量的分号或引号，并且这些引号并不总是转义。

我正在寻找读取此文件的方法。到目前为止，我想出了一个非常复杂的工作流程，当前 N 个分隔符位于正则表达式的行首时（来自 here），用另一个较少使用的分隔符替换它们 - 因为文本总是最后，但是这仍然当行中的引号数量不均匀时当前失败。

我想一定有更简单的方法来做到这一点，因为格式错误的 csv-s 应该是这里反复出现的问题。谢谢

Answer 1

data.table::fread 创造奇迹：

library(data.table)
test <- fread("test.csv")
# Remove extraneous columns
test$V1 <- NULL
test$V5 <- NULL

R 读取字段中引号和分隔符不均匀的格式错误的 csv

R Reading a badly formatted csv with uneven quotes and separators in fields

csv

import

r

data-import