R schreiben.csv mit UTF-16-Codierung

Ich habe Probleme beim ausgeben von Daten.Rahmen mit write.csv mit UTF-16-Zeichencodierung.

Hintergrund: ich bin versucht zu schreiben, aus einer CSV-Datei von einem Daten.Rahmen für die Verwendung in Excel. Excel Mac 2011 scheint nicht zu mögen UTF-8 (wenn ich angeben, UTF-8 im text importieren, nicht-ASCII-Zeichen als Unterstriche). Ich habe Anlass zu glauben, dass Excel gerne mit UTF-16LE-Codierung.

Hier ist die Beispiel-Daten.Rahmen:

> foo
  a  b
1 á 羽
> Encoding(levels(foo$a))
[1] "UTF-8"
> Encoding(levels(foo$b))
[1] "UTF-8"

Also habe ich versucht, die Ausgabe der Daten.frame-by-doing:

f <- file("foo.csv", encoding="UTF-16LE")
write.csv(foo, f)

Dieser gibt mir eine ASCII-Datei sieht wie folgt aus:

"","

Wenn ich encoding="UTF-16", bekomme ich eine Datei, die enthält nur die byte-order mark 0xFE 0xFF.

Wenn ich encoding="UTF-16BE", erhalte ich eine leere Datei.

Dies ist auf einem 64-bit-version von R-2.12.2 auf Mac OS X 10.6.6. Was mache ich falsch?

  • Für das Protokoll, WTF ist falsch mit Excel und UTF-8? Ich meine, come on, es ist 2011.
InformationsquelleAutor Daniel Dickison | 2011-03-10
  1. 7

    Können Sie einfach speichern Sie die csv in UTF-8 und später konvertieren zu UTF-16LE mit iconv im terminal.

    Wenn Sie darauf bestehen, es zu tun in R, die folgenden funktionieren könnte - obwohl es scheint, dass iconv in R macht einige Probleme, siehe: http://tolstoy.newcastle.edu.au/R/e10/devel/10/06/0648.html

    > x <- c("foo", "bar")
> iconv(x,"UTF-8","UTF-16LE")
Error in iconv(x, "UTF-8", "UTF-16LE") : 
  embedded nul in string: 'f\0o\0o\0'

    Wie Sie sehen können die oben verlinkte patch ist wirklich notwendig - die habe ich nicht getestet, aber wenn Sie es behalten wollen simly (und böse): rufen Sie einfach den Dritten "iconv" - Programm innerhalb R mit einem system rufen Sie nach dem speichern der Tabelle zu csv.

    • Ich habe mit iconv nach der Ausgabe UTF-8, aber ich hatte gehofft, ich war nur etwas falsch und das R würde gerne die Ausgabe UTF-16 direkt. Ich denke, das kann nicht der Fall sein wird...
    • Dickison: es scheint so zu sein 🙁 Wenn ich darf, würde ich vorschlagen, Sie rufen Sie iconv von R nach dem speichern der Daten-Frames, verwenden Sie einfach die system Funktion - auf diese Weise werden Sie nicht haben, um starten Sie ein separates Programm. Man könnte auch den Prozess automatisieren, indem eine kleine Funktion, die speichert die csv und auch konvertiert, um die gewünschte Codierung. Viel Glück jedenfalls!
    • Warum ist die UTF-16 "iconv" - Problem immer noch nicht behoben, R (der patch ist datiert 2010)? Ich sehe immer noch keine einfache "native" Art und Weise, in R zum Lesen oder schreiben von UTF-16 (Windows) codiert text-Dateien in 2016 🙁
    InformationsquelleAutor daroczig
  2. 4

    sowas machen könnte (write.csv() ignoriert einfach die Kodierung, so dass Sie haben zu entscheiden Sie sich für writLines() oder writeBin()) ... 

    #' function to convert character vectors to UTF-8 encoding
#'
#' @param x the vector to be converted
#' @export 

toUTF8 <- 
  function(x){
    worker <- function(x){
      iconv(x, from = Encoding(x), to = "UTF-8")
    }
    unlist(lapply(x, worker))
  }



#' function to write csv files with UTF-8 characters (even under Windwos)
#' @param df data frame to be written to file
#' @param file file name /path where to put the data
#' @export 

write_utf8_csv <- 
function(df, file){
  firstline <- paste(  '"', names(df), '"', sep = "", collapse = " , ")
  char_columns <- seq_along(df[1,])[sapply(df, class)=="character"]
  for( i in  char_columns){
    df[,i] <- toUTF8(df[,i])
  }
  data <- apply(df, 1, function(x){paste('"', x,'"', sep = "",collapse = " , ")})
  writeLines( c(firstline, data), file , useBytes = T)
}


#' function to read csv file with UTF-8 characters (even under Windwos) that 
#' were created by write_U
#' @param df data frame to be written to file
#' @param file file name /path where to put the data
#' @export 

read_utf8_csv <- function(file){
  # reading data from file
  content <- readLines(file, encoding = "UTF-8")
  # extracting data
  content <- stringr::str_split(content, " , ")
  content <- lapply(content, stringr::str_replace_all, '"', "")
  content_names <- content[[1]][content[[1]]!=""]
  content <- content[seq_along(content)[-1]]  
  # putting it into data.frame
  df <- data.frame(dummy=seq_along(content), stringsAsFactors = F)
  for(name in content_names){
    tmp <- sapply(content, `[[`, dim(df)[2])
    Encoding(tmp) <- "UTF-8"
    df[,name] <- tmp 
  }
  df <- df[,-1]
  # return
  return(df)
}
    InformationsquelleAutor petermeissner
Schreibe einen Kommentar