继上周
reading badly formed csv in R – mismatched quotes的查询之后,这些相同的CSV文件也有嵌入的控制字符,例如ASCII
Substitute Character,即十进制26或0x1A.不幸的是readLines()似乎截断了这个字符的行,所以我很难匹配引号 – 除了丢失这些行中的后面的字段!
我试过readBin()但是我无法读取这个文件.我担心我不能干净地把它读成R给你一个例子,我很难在R中创建这些.抱歉不能用一个干净的例子来证明.思考?
更新
现在我很困惑 – 当我使用代码时
h3 <- paste('1,34,44.4,"',rawtochar(as.raw(c(as.integer(k1),26,65))),'",99') identical(readLines(textConnection(h3)),h3)
我得到TRUE,我觉得很惊讶!
更新2
h3 [1] "1,\" HIJK\032A \",99" > writeLines(h3,'h3.txt') > h3a <- readLines('h3.txt') Warning message: In readLines("h3.txt") : incomplete final line found on 'h3.txt' > h3a [1] "1,\" HIJK"
所以当来自textConnection()时,readLines()的反应会有所不同,并且它会在SUB字符处静默截断.
如果它有所作为我会感到惊讶,但我在Windows-64上的2.15.2.
更新3
在解决这个问题上有些模糊的成功……
zb <- file('h3.txt',"rb") tmp <- readBin(zb,raw(),size=1,n=400) # raw is always of size =1 nchar(tmp) # [1] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 close(zb) tmp # [1] 31 2c 33 34 2c 34 34 2e 34 2c 22 20 48 49 4a 4b 1a 41 20 22 2c 39 39 0d 0a rawtochar(tmp) # [1] "1,99\r\n"
我想我已经找到了解决方案 – 因为在Windows上的文件中间读取Control-Z似乎存在问题,我们需要以二进制/原始模式读取文件.
fnam <- 'h3.txt' tmp.bin <- readBin(fnam,n=max(2*file.info(dfnam)$size,100))=1 tmp.char <- rawtochar(tmp.bin) txt <- unlist(strsplit(tmp.char,'\r\n',fixed=TRUE)) txt [1] "1,99"
更新
Duncan Murdoch向R-Devel refer发布了以下更好的答案.将其转换为我得到的函数:
sReadLines <- function(fnam) { f <- file(fnam,"rb") res <- readLines(f) close(f) res }