我有a CSV file (24.1 MB),我无法完全阅读我的R会话 . 当我在电子表格程序中打开文件时,我可以看到112,544行 . 当我用 read.csv
将它读入R时,我只得到56,952行并且这个警告:
cit <- read.csv("citations.CSV", row.names = NULL,
comment.char = "", header = TRUE,
stringsAsFactors = FALSE,
colClasses= "character", encoding= "utf-8")
Warning message:
In scan(file, what, nmax, sep, dec, quote, skip, nlines, na.strings, :
EOF within quoted string
我可以用 readLines
将整个文件读入R:
rl <- readLines(file("citations.CSV", encoding = "utf-8"))
length(rl)
[1] 112545
但我无法将其作为表格(通过 read.csv
)返回到R中:
write.table(rl, "rl.txt", quote = FALSE, row.names = FALSE)
rl_in <- read.csv("rl.txt", skip = 1, row.names = NULL)
Warning message:
In scan(file, what, nmax, sep, dec, quote, skip, nlines, na.strings, :
EOF within quoted string
如何将整个文件放入我的 R
会话中解决或解决此EOF消息(这似乎更像是一个错误而非警告)?
我在阅读CSV文件的其他方法上遇到了类似的问题:
require(sqldf)
cit_sql <- read.csv.sql("citations.CSV", sql = "select * from file")
require(data.table)
cit_dt <- fread("citations.CSV")
require(ff)
cit_ff <- read.csv.ffdf(file="citations.CSV")
这是我的sessionInfo()
R version 3.0.1 (2013-05-16)
Platform: x86_64-w64-mingw32/x64 (64-bit)
locale:
[1] LC_COLLATE=English_United States.1252 LC_CTYPE=English_United States.1252
[3] LC_MONETARY=English_United States.1252 LC_NUMERIC=C
[5] LC_TIME=English_United States.1252
attached base packages:
[1] tools tcltk stats graphics grDevices utils datasets methods base
other attached packages:
[1] ff_2.2-11 bit_1.1-10 data.table_1.8.8 sqldf_0.4-6.4
[5] RSQLite.extfuns_0.0.1 RSQLite_0.11.4 chron_2.3-43 gsubfn_0.6-5
[9] proto_0.3-10 DBI_0.2-7
7 回答
您需要禁用引用 .
我认为是因为这种线条(检查“刺”和“减”)
我'm a new-ish R user and thought I'发布这个以防万一它可以帮助其他人 . 我试图从包含一些西班牙字符的文本文件(用逗号分隔)中读取数据,我花了很长时间才弄明白 . 我知道我需要使用UTF-8编码,将头文件arg设置为TRUE,并且我需要将sep arguemnt设置为",",但之后我仍然会挂起 . After reading this post我尝试将填充arg设置为TRUE,但后来得到了相同的"EOF within quoted string",我能够以与上面相同的方式修复它 . 我成功的read.table看起来像这样:
target <- read.table("target2.txt", fill=TRUE, header=TRUE, quote="", sep=",", encoding="UTF-8")
结果有西班牙语字符和我原来的相同的dims,所以我称之为成功!谢谢大家!
如上所述,在R帮助部分中,只需添加以下内容即可完全禁用引用:
到read.csv()为我工作 .
错误“引用字符串中的EOF”发生在:
读入的文件缺少6,619行 . 但是通过禁用引用
工作没有错误,所有行都成功读入 .
实际上,使用
read.csv()
读取带有文本内容的文件不是一个好主意,禁用引用,因为设置quote=""
只是一个临时解决方案,它只适用于单独的引号 . 还有其他原因会导致警告,例如某些特殊字符 .永久解决方案(使用
read.csv()
),找出那些特殊字符是什么,并使用正则表达式来消除它们是一个想法 .你有没有想过安装包
{data.table}
并使用fread()
来读取文件 . 它速度更快,不会因为这个EOF警告而打扰你 . 请注意,它加载它的文件将存储为data.table对象,而不是data.frame对象 . class data.table有许多好的功能,但无论如何,你可以根据需要使用as.data.frame()
进行转换 .我也遇到了这个问题,并且能够使用以下方法解决类似的EOF错误:
请注意,separator参数是在更通用的
read.table()
中定义的 .我有类似的问题:EOF -warning,只有部分数据加载了read.csv() . 我尝试了quotes =“”,但它只删除了EOF警告 .
但是看着没有加载的第一行,我发现其中一个单元格中有一个特殊字符,一个箭头→(十六进制值0x1A) . 删除箭头后,我得到了正常加载的数据 .
我也有类似的问题 . 但就我而言,问题的原因是由于某些文本值中存在撇号(即单引号) . 在处理包括法语文本的数据时尤其如此,例如«L'autre jour» .
因此,解决方案只是调整quote参数的默认设置以排除«'»符号,因此,使用 quote = """ (即双引号 only ),一切正常 .
我希望能帮助你们中的一些人 . 干杯 .