sql - DBI::dbWriteTable，无效的多字节字符串

Question

从 MS Access 数据库导入的大型数据集，然后按日期对数据进行子集并导出到 SQL 数据库。

通过 sqlsave 命令导出工作正常，但是由于数据集的大小(超过 500,000 行，包含 73 个变量)，它不适合。

尝试使用 odbc 写入数据会产生以下错误: nchar(as.character(x)) 中的错误:无效的多字节字符串，元素 62220

通过使用谷歌和浏览 Stackoverflow，我发现这个错误通常与数据中的非标准字符有关。

在尝试将表写入 SQL 之前，我已经使用 dplyr 删除了所有非标准字符，同样的错误。

然后我使用 UTF-8 编码将文件导出到 csv 并在尝试将表写入 SQL 之前使用 UTF-8 编码将其带回来，同样的错误。

最后，我尝试了一种指定最大列长度和格式为 varchar(255)、浮点数或日期的每列结构的方法。同样的错误。

library(odbc)
library(RODBC)
library(DBI)
library(data.table)

setwd("E:/BUS_INSIGHTS/David r scripts/PUNE_Claims")

odbcCEDBS0233 <- dbConnect(odbc::odbc(), dsn = "CEDBS0233")
CEDBS0233 = odbcConnect("CEDBS0233")

PUNE <- dbConnect(drv = odbc::odbc(), .connection_string = "Driver={Microsoft Access Driver (*.mdb, *.accdb)}; Dbq=E:/Motor/Data/ZC Combined/2018/1812/ZC Combined Pune.accdb")

PUNE <- subset(PUNE, DATE_OF_LOSS > as.Date("2009-01-01"))

require(dplyr)
clean <- PUNE %>%
mutate_all(funs(gsub("[[:punct:]]", "", .)))

DBI::dbWriteTable(con = odbcCEDBS0233,
              name = SQL('PUNE_Claims'),
              value = clean,
              overwrite=TRUE,)

我尝试了各种其他方法，例如将 csv 直接写入 SQL(遗憾的是我们的 SQL 服务器不允许这样做)。使用正则表达式，以及我现在忘记的其他东西。

这里完全碰壁了，我不知道为什么 sqlsave 愉快地上传数据而 odbc 完全拒绝。

我找不到如何定位元素 62220 以查看有什么问题，但是使用 dplyr 清除任何坏字符应该没有问题。

我在你手中，任何帮助将不胜感激。

Answer 1

如果您知道哪个列导致此问题，则可以进行以下操作

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

否则，只需在每一列中运行一个循环即可将其转换为 UFT-8

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

这应该可以解决问题。