R语言-中文乱码解决方法

本是古典何须时尚 2022-06-07 13:36 602阅读 0赞

Windows的R语言经常会遇到各种各样的中文乱码问题，从数据库读取数据时，直接读取csv数据时，进行文本分析莫名奇怪得不到想要的结果时。

### 读取数据时的中文乱码 ###

#### 从数据库中读取 ####

当你已经把数据库的编码设置为Utf-8或者其他中文编码格式时，R语言中文读取出现乱码，有几个解决的方法。一是现对数据库和R进行设置在读取，以RODBC,RMysql读取数据库为例。 二 读取后对编码 编码进行设置 ，以实例说明。

*  RODBC连接Mysql为例   
    先配置ODBC-Mysql的中文格式,配置如下，再在读取时进行设置参数设置读取格式，这里设置为UTF8   
    ![设置位置][20160121182042925]   
    ![设置编码][20160121182123535]
    
        ###设置参数DBMSencoding为utf8
        
        myconn <- odbcConnect(dsn=dsn, uid=uid, pwd=pwd, DBMSencoding="UTF8") ##连接数据库
        
           
            
             1
             2
             3
             4
             5
 *  Rmysql连接Mysql为例   
    Rmysql连接数据库出现乱码时，读取时先在R里对数据库中文编码进行设置
    
        dbSendQuery(conn,'SET NAMES gbk')   ###先设置格式为Gbk，然后再进行数据读取
           
            
             1
             2
 *  读取数据后，对其数据格式编码进行设置
    
        myconn <- odbcConnect(dsn=dsn, uid=uid, pwd=pwd)
        sql <- "select * from `transport-b`.xianlu_chepai limit 5"
        data<- sqlQuery(myconn, sql)  ##从数据库读取格式
        data  ##查看数据
        "101璺<af>" "101璺<af>" "101璺<af>" "101璺<af>" "101璺<af>"
        Encoding(data) <- "UTF-8" ##转换格式为UTF-8
        data  ##查看数据
        "101路" "101路" "101路" "101路" "101路"
           
            
             1
             2
             3
             4
             5
             6
             7
             8

#### 从本地读取数据 ####

*  用read.csv, read.table等读取数据   
    1 可以通过设置参数encoding进行调整，函数默认设置是“unknown”   
    2 可以通过对数据的格式进行中文编码转换
    
        ###方法一进行参数设置
        
        data <- read.csv(file="test.csv", enconding="utf-8")
        
        ###方法二对数据转换中文编码
        
        Encoding(data) <-  "UTF-8" ##转换成UTF-8
           
            
             1
             2
             3
             4
             5
             6
             7
             8

#### R语言字符串处理需注意问题 ####

R语言字符串处理时，一般会难以注意的一个问题。问题来自中文的编码，在R里既可以正常显示，数据格式又一样。以下面为例：

###设置生成a,b,c，并将a,c用enc2utf8变成utf-8格式
    ##查看a,b,c
     a;b;c
    [1] "企业"
    [1] "企业"
    [1] "中国最大的一家企业" "企业家应该注意的几件事" "哈哈哈"     
    ##查看a,b是否存在于c中
    agrep(a, c, useBytes=T)
    [1] 1 2
    agrep(b, c, useBytes=T)
    integer(0)
    ##其中可以看到a,b的都是字符串"企业",但是其结果是不一样的
    str(a);str(b) ##查看结构
     chr "企业"
     chr "企业"
    ##这是可以考虑一下，是不是其编码存在问题
    Encoding(a);Encoding(b);Encoding(c)
    [1] "UTF-8"
    [1] "unknown"
    [1] "UTF-8" "UTF-8" "UTF-8"
    ##从结果中可以看到a,b的数据结构显示都是一样的。
    ##但是其中文编码不同，说明不注意编码问题虽然可能不报错，但是可能结果并不是自己想要的

[20160121182042925]: /images/20220607/06cec6a4cfbe4b9d9b2a2500ab6f8444.png
[20160121182123535]: /images/20220607/4b697e6fca314157b6514674247bc0cf.png