R 读取带有不匹配引号的文本文件

我有一个大的（>1GB）CSV文件，我正试图读入R中的数据帧

非数字字段用双引号括起来，这样内部逗号就不会被解释为分隔符。那很好。但是，有时条目中也会出现不匹配的双引号，如

“2”Nails”

解决这个问题的最佳方法是什么？我目前的计划是使用像awk这样的文本处理器，将引用字符从双引号

“

重新标记为不冲突的字符，如pipe

。我查找引号字符的启发式方法是在逗号旁边加双引号：

gawk '{gsub(/(^\")|(\"$)/,"|");gsub(/,\"/,",|");gsub(/\",/,"|,");print;}' myfile.txt > newfile.txt 

---

是相关的，但解决方案（在

quote=”“

的

read.csv

中的参数）对我来说是不可行的，因为我的文件在引号中包含非定界逗号。

您的想法是在逗号旁边查找引号，这可能是您能做的最好的事情；但是，您可以尝试将其转过来，让正则表达式转义所有不在逗号（或行的开始/结束）旁边的引号：

寻找

(?<!^|,)"(?!,|$)

---

如果单元格中存在非边界逗号，这将是Tim解决方案的一个更简单的变体：

(?<!,\s+)"(?!\s+,$)

---

（？我不认为将所有“\”更改为“|”会有什么帮助。我认为您可能需要一个正则表达式解决方案（可能是在awk中实现的），该解决方案将找到类似以下内容的实例：“，”\“[^，]{0，}\”[^，]{0，}\，"，即逗号之间的三个双引号。@dwn请参见编辑。如果我将双引号改为管道，那么我可以在
read.csv
中设置
quote=''|'
。当然可以这样做，但您将遇到与当前相同的解析困难。请在一个小测试用例上尝试。在您的测试用例中，可能会出现错误两个有问题的双引号，一个在第一个dbl-quotes旁边。为什么需要多行选项？我在命令行中运行了此选项：
perl-p-e/（？如果逐行运行命令，则不需要多行选项。但是如果已将整个文件读入
$subject
，则确实需要它。
(?<!,\s+)"(?!\s+,$)