R使用read.delim读取utf-8编码的中文文件时出错

Question

我有一个utf-8编码文件test.txt，其中的值是用分隔符分隔的

a   b   c
小   小   大
小   大   小
大   小   小

我使用命令read来读取数据

Sys.setlocale("LC_CTYPE", "Chinese")
data <- read.delim("test.txt",encoding="UTF-8")

但数据被读取为具有输出的数据帧

[1] X.U.FEFF.a b          c         
<0 rows> (or 0-length row.names)

我的系统是windows 7

如何正确读取数据？

Answer 1

我刚试过read.csv，它工作得很好。我测试了你的代码，read.delim也可以开箱即用。

> a <- read.csv('/tmp/test.txt', sep="\t", quote="", stringsAsFactors=FALSE)
> str(a)
'data.frame':   3 obs. of  3 variables:
 $ a: chr  "小" "小" "大"
 $ b: chr  "小" "大" "小"
 $ c: chr  "大" "小" "小"
> a
   a  b  c
1 小 小 大
2 小 大 小
3 大 小 小

> data <- read.delim("/tmp/test.txt", encoding="utf-8")
> data
   a  b  c
1 小 小 大
2 小 大 小
3 大 小 小

然后我尝试了您的Sys.setlocale命令，但它对我无效，这表明在我测试将地区设置为德语之后，该命令本身是无效的。

# ?Sys.setlocale:
# "Attempts to set an invalid locale are ignored. There may or may not be a warning, depending on the OS."
> Sys.setlocale("LC_CTYPE", "Chinese")
[1] ""
Warning message:
In Sys.setlocale("LC_CTYPE", "Chinese") :
  OS reports request to set locale to "Chinese" cannot be honored
> Sys.setlocale("LC_TIME", "de_DE")  # Mac OS X, in UTF-8
[1] "de_DE"
> Sys.getlocale()
[1] "en_US.UTF-8/en_US.UTF-8/en_US.UTF-8/C/de_DE/en_US.UTF-8"

要成功将区域设置设置为中文，您可以尝试执行以下操作(Cited From Here)：

Sys.setlocale("LC_ALL","zh_CN.utf-8")
> Sys.getlocale()
[1] "zh_CN.utf-8/zh_CN.utf-8/zh_CN.utf-8/C/zh_CN.utf-8/en_US.UTF-8"