R语言-中文乱码解决方法

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 
   
  

  ###设置参数DBMSencoding为utf8myconn <- 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-8data  ##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 2agrep(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