"invalid multibyte string 8" 在 R 版本 4.2.0 中弹出 read.csv 错误

"invalid multibyte string 8" error popping up for read.csv in R version 4.2.0

我安装了 b运行d-new R 版本 4.2.0 并尝试运行我用版本 4 编写的代码。1.x。

使用 read.csv 读取数据时弹出此新错误:

Error in make.names(col.names, unique = TRUE) : invalid multibyte string 8

我认为这与新的原生 UTF-8 支持有关?

我 运行ning R under Windows 11 支持英语,我不知道 csv 文件中有任何特殊字符,但我也不能完全排除它,因为它相当一个巨大的文件。

我怎样才能切换回 运行 没有任何错误的旧编码?

R 的 default 版本 < 4.2 的行为是:

If you don't set a default encoding, files will be opened using UTF-8 (on Mac desktop, Linux desktop, and server) or the system's default encoding (on Windows).

此行为在 R 4.2 中有 changed

R 4.2 for Windows will support UTF-8 as native encoding

要找出 Windows 10 上的默认编码,运行 以下 Powershell 命令:

[System.Text.Encoding]::Default

我的 Windows 10 机器上的输出是:

IsSingleByte      : True
BodyName          : iso-8859-1
EncodingName      : Western European (Windows)
HeaderName        : Windows-1252
WebName           : Windows-1252
WindowsCodePage   : 1252
IsBrowserDisplay  : True
IsBrowserSave     : True
IsMailNewsDisplay : True
IsMailNewsSave    : True
EncoderFallback   : System.Text.InternalEncoderBestFitFallback
DecoderFallback   : System.Text.InternalDecoderBestFitFallback
IsReadOnly        : True
CodePage          : 1252

这可以传递给 read.csv 作为要使用的编码:

read.csv(path_to_file, encoding = "windows-1252")

如果您不确定如何将 Powershell 的输出转换为相关字符串,您可以使用 stringi 包搜索所有编码列表:

# Replace "1252" with the relevant output from the Powershell command
cat(grep("1252", stringi::stri_enc_list(simplify = FALSE), value = TRUE, ignore.case = TRUE))

您可以从输出中的任何选项中进行选择:

# c("ibm-1252", "ibm-1252_P100-2000", "windows-1252") c("cp1252", "ibm-5348", "ibm-5348_P100-1997", "windows-1252")
read.csv(path_to_file, fileEncoding= "windows-1252")

是为我做的。注意 fileEncoding 而不是 encoding.