将带有嵌入引号的csv文件读入R

Question

我必须处理如下所示的.csv文件：

"IDEA ID,""IDEA TITLE"",""VOTE VALUE"""
"56144,""Net Present Value PLUS (NPV+)"",1"
"56144,""Net Present Value PLUS (NPV+)"",1"

如果我使用read.csv，我会得到一个只有一个变量的数据帧。我需要的是一个有三列的数据框，其中列由逗号分隔。如何处理行首和行尾的引号？

Answer 1

我认为，如果不先去掉引号的首引号和尾引号，就不会有简单的方法来做到这一点。如果您的系统上安装了sed (Unix、Linux/MacOS或Windows+Cygwin?)然后

read.csv(pipe("sed -e 's/^\"//' -e 's/\"$//' qtest.csv"))

应该行得通。否则

read.csv(text=gsub("(^\"|\"$)","",readLines("qtest.csv")))

对于大文件来说效率有点低(在处理它之前你必须读入整个文件)，但应该在任何地方都能工作。

(可能有一种方法可以使用第二个示例使用的括号以相同的、更紧凑的形式为sed生成正则表达式，但是我厌倦了对where all the backslashes belonged进行排序。)

Answer 2

我建议删除首引号/尾引号，并将背靠背的双引号改为单双引号。后者在某些字符串本身包含逗号的情况下至关重要，例如

"1,""A mostly harmless string"",11"
"2,""Another mostly harmless string"",12"
"3,""These, commas, cause, trouble"",13"

由于read.csv()函数将最后一行中的所有逗号解释为值分隔符，因此只删除首引号/末尾引号而保留连续引号将导致生成6个变量。因此，完整的代码可能如下所示：

data.text <- readLines("fullofquotes.csv")  # Reads data from file into a character vector.
data.text <- gsub("^\"|\"$", "", data.text) # Removes initial/terminal quotes.
data.text <- gsub("\"\"", "\"", data.text)  # Replaces "" by ".
data <- read.csv(text=data.text, header=FALSE)

或者，当然，都在一行中

data <- read.csv(text=gsub("\"\"", "\"", gsub("^\"|\"$", "", readLines("fullofquotes.csv", header=FALSE))))