r - tolower()无效的多字节字符串错误

Question

这是我尝试在无法更改的文件的字符向量上运行tolower()时收到的错误（至少，不是手动-太大）。

Error in tolower(m) : invalid multibyte string X

É字符似乎是法国公司名称的问题。尽管我还没有全部研究（也无法手动进行）。

这很奇怪，因为我认为应该在read.csv()期间而不是在事后操作期间识别编码问题。

有没有一种快速的方法来删除这些多字节字符串？或者，也许是一种识别和转换的方法？甚至只是完全忽略它们？

Answer 1

这是我解决问题的方法：

首先，我在文本编辑器（在本例中为Geany）中打开了原始数据，单击了属性并确定了编码类型。

之后，我使用了iconv()函数。

x <- iconv(x,"WINDOWS-1252","UTF-8")

更具体地说，我对导入的CSV中 data.frame的每一列进行了此操作。重要的是要注意，我在 stringsAsFactors=FALSE调用中设置了 read.csv()。

dat[,sapply(dat,is.character)] <- sapply(
    dat[,sapply(dat,is.character)],
    iconv,"WINDOWS-1252","UTF-8")