如何在 R 中使用 read.table 读取 \" 双引号转义值

Question

我无法读取包含如下行的文件。

"_:b5507F4C7x59005","Fabiana D\"atri"

有什么想法吗？如何让 read.table 明白 \" 是引号的转义？

干杯， 亚历山大

Answer 1

在我看来，read.table/read.csv 无法处理转义引号。

...但我认为我有一个受@nullglob 启发的（丑陋的）变通方法；

• 首先读取不带引号字符的文件。 （正如@Ben Bolker 所说，这不会处理嵌入式,）
• 然后遍历字符串列并删除引号：

测试文件看起来像这样（我添加了一个非字符串列来衡量）：

13,"foo","Fab D\"atri","bar"
21,"foo2","Fab D\"atri2","bar2"

这里是代码：

# Generate test file
writeLines(c("13,\"foo\",\"Fab D\\\"atri\",\"bar\"",
             "21,\"foo2\",\"Fab D\\\"atri2\",\"bar2\"" ), "foo.txt")

# Read ignoring quotes
tbl <- read.table("foo.txt", as.is=TRUE, quote='', sep=',', header=FALSE, row.names=NULL)

# Go through and cleanup    
for (i in seq_len(NCOL(tbl))) {
    if (is.character(tbl[[i]])) {
        x <- tbl[[i]]
        x <- substr(x, 2, nchar(x)-1) # Remove surrounding quotes
        tbl[[i]] <- gsub('\\\\"', '"', x) # Unescape quotes
    }
}

那么输出是正确的：

> tbl
  V1   V2          V3   V4
1 13  foo  Fab D"atri  bar
2 21 foo2 Fab D"atri2 bar2

Answer 2

在 Linux/Unix 上（或在带有 cygwin 或 GnuWin32 的 Windows 上），您可以使用 sed 将转义的双引号 \" 转换为双引号 ""，read.csv 可以很好地处理：

p <- pipe(paste0('sed \'s/\\\\"/""/g\' "', FILENAME, '"'))
d <- read.csv(p, ...)
rm(p)

实际上，以下sed 命令用于预处理 CSV 输入：

sed 's/\\"/""/g' file.csv

我不认为这很漂亮，但至少你不必离开 R 环境......

Answer 3

我提前道歉，这不是更详细 - 我正处于代码紧缩的中间。

您可以考虑使用 scan() 函数。我创建了一个简单的示例文件“sample.csv”，其中包括：

V1,V2
"_:b5507F4C7x59005","Fabiana D\"atri"

两种快速的可能性是（带有注释的输出，以便您可以复制粘贴到命令行）：

test <- scan("sample.csv", sep=",", what='character',allowEscapes=TRUE)
## Read 4 items
test
##[1] "V1"                "V2"                "_:b5507F4C7x59005"
##[4] "Fabiana D\\atri\n"

或

test <- scan("sample.csv", sep=",", what='character',comment.char="\\")
## Read 4 items
test
## [1] "V1"                "V2"                "_:b5507F4C7x59005"
## [4] "Fabiana D\\atri\n"

您可能需要多玩一点才能得到想要的东西。我看到你已经提到了 writeLines，所以你可能已经尝试过这个。不管怎样，祝你好运！

Answer 4

我能够通过设置 quote 参数让您的示例工作：

> read.csv('test.csv',quote="'",head=FALSE)
                   V1                  V2
1 "_:b5507F4C7x59005" "Fabiana D\\"atri" 
2 "_:b5507F4C7x59005" "Fabiana D\\"atri" 

Answer 5

read_delim 来自包 readr 可以使用参数escape_double 和escape_backslash 处理转义和双引号。

例如，如果我们的文件通过加倍引号来转义：

"quote""","hello"
1,2

然后我们使用

read_delim(file, delim=',')  # default escape_backslash=FALSE, escape_double=TRUE

如果我们的文件用反斜杠转义引号：

"quote\"","hello"
1,2

我们使用

read_delim(file, delim=',', escape_double=FALSE, escape_backslash=TRUE)

Answer 6

read.csv() 应该没问题。查看?read.csv 的帮助 - 指定报价的选项是quote = "...."。不过，在这种情况下，可能会出现问题：read.csv() 似乎更喜欢看到匹配的引号。

我对@9​​87654325@ 进行了同样的尝试，在sample.txt 中添加了您的文本，它似乎有效。当read.csv() 一切都失败时，我倾向于备份到read.table() 并仔细指定参数。