R語言讀寫中文編碼方式

r語言讀寫資料的方法很多，這裡主要是我在使用read.csv/read.table和write.csv/write.table時遇到的一些中文格式編碼的問題。常見的中文編碼方式兩種：gbk(gb2312)和utf-8。

windows系統下：

read.csv()和read.table()方法不指定檔案格式時，預設讀取的檔案是gbk格式。rstudio裡面有設定預設文字編碼方式，但是修改前後讀入中文資料情況都一樣。

linux（我使用的redhat）系統下：

系統指定中文編碼方式是utf-8，所以read.csv()和read.table()都要求utf-8。

如下兩個檔案，分別是utf-8格式和gbk格式，首先用read.csv讀取，可以看到不指定編碼方式時，讀取utf-8格式檔案是亂碼。用encoding指定讀取的檔案編碼方式為utf-8後，正常。這樣看起來read.csv()方法讀取utf-8好像可行？

那麼我們再來看乙個例子，相同的資料，只是最後多增加一列中文。同樣，上面三種方式，讀取utf-8的時候問題直接變成了讀取出錯，「列的數目比列的名字要多」，並且制定編碼方式為utf-8也無法拯救你了。為什麼會這樣呢？

提示意思是，列名少了，那就去掉表頭header=f就行了，結果如下，還是亂碼，並且原本四列資料讀進來後變成了七列。雖然指定encoding為utf-8後沒有了亂碼，但是讀取時行之間會錯亂。但是用fileencoding就沒有問題了！

上述，總結而言，使用read.csv()時，有中文的話，請務必保證你的檔案是gbk編碼格式的。或者用fileencoding來指定編碼格式，不要用encoding！

用同樣的資料來看read.table方法，只是需要多指定乙個sep=」,」。同樣，指定encoding無效，指定fileencoding有效。

跟read.csv一樣的問題，並且，這裡header=f也可行。read.table比read.csv更嚴格，要求行都有相同的長度，不會自動填充na。

write.csv/write.table方法可以使用，可以使用fileencoding來指定輸出檔案的編碼方式，如下，只要你的系統能識別這種方式就ok。

其實囉囉嗦嗦了這麼久，總結而言就一句話read.csv/read.table盡量讀入檔案gbk格式（win下），或者utf-8格式（linux下），不是的話，用fileencoding指定編碼格式，不要用encoding。