read.csv警告「引用文字列内のEOF」は、ファイルの完全な読み取りを妨げます
CSVファイル（24.1 MB） Rセッションを完全に読み取ることができません。スプレッドシートプログラムでファイルを開くと、112,544行が表示されます。 read.csvでRに読み込むと、56,952行しか表示されず、次の警告が表示されます。
cit <- read.csv("citations.CSV", row.names = NULL,
comment.char = "", header = TRUE,
stringsAsFactors = FALSE,
colClasses= "character", encoding= "utf-8")
Warning message:
In scan(file, what, nmax, sep, dec, quote, skip, nlines, na.strings, :
EOF within quoted string
readLinesを使用して、ファイル全体をRに読み込むことができます。
rl <- readLines(file("citations.CSV", encoding = "utf-8"))
length(rl)
[1] 112545
しかし、これをテーブルとしてRに戻すことはできません（read.csv経由）：
write.table(rl, "rl.txt", quote = FALSE, row.names = FALSE)
rl_in <- read.csv("rl.txt", skip = 1, row.names = NULL)
Warning message:
In scan(file, what, nmax, sep, dec, quote, skip, nlines, na.strings, :
EOF within quoted string
このEOFメッセージ（警告ではなくエラーのようです）を解決または回避して、ファイル全体をRセッションに入れるにはどうすればよいですか？
CSVファイルを読み取る他の方法にも同様の問題があります。
require(sqldf)
cit_sql <- read.csv.sql("citations.CSV", sql = "select * from file")
require(data.table)
cit_dt <- fread("citations.CSV")
require(ff)
cit_ff <- read.csv.ffdf(file="citations.CSV")
これが私のsessionInfo（）です
R version 3.0.1 (2013-05-16)
Platform: x86_64-w64-mingw32/x64 (64-bit)
locale:
[1] LC_COLLATE=English_United States.1252 LC_CTYPE=English_United States.1252
[3] LC_MONETARY=English_United States.1252 LC_NUMERIC=C
[5] LC_TIME=English_United States.1252
attached base packages:
[1] tools tcltk stats graphics grDevices utils datasets methods base
other attached packages:
[1] ff_2.2-11 bit_1.1-10 data.table_1.8.8 sqldf_0.4-6.4
[5] RSQLite.extfuns_0.0.1 RSQLite_0.11.4 chron_2.3-43 gsubfn_0.6-5
[9] proto_0.3-10 DBI_0.2-7
引用符を無効にする必要があります。
cit <- read.csv("citations.CSV", quote = "",
row.names = NULL,
stringsAsFactors = FALSE)
str(cit)
## 'data.frame': 112543 obs. of 13 variables:
## $ row.names : chr "10.2307/675394" "10.2307/30007362" "10.2307/4254931" "10.2307/20537934" ...
## $ id : chr "10.2307/675394\t" "10.2307/30007362\t" "10.2307/4254931\t" "10.2307/20537934\t" ...
## $ doi : chr "Archaeological Inference and Inductive Confirmation\t" "Sound and Sense in Cath Almaine\t" "Oak Galls Preserved by the Eruption of Mount Vesuvius in A.D. 79_ and Their Probable Use\t" "The Arts Four Thousand Years Ago\t" ...
## $ title : chr "Bruce D. Smith\t" "Tomás Ó Cathasaigh\t" "Hiram G. Larew\t" "\t" ...
## $ author : chr "American Anthropologist\t" "Ériu\t" "Economic Botany\t" "The Illustrated Magazine of Art\t" ...
## $ journaltitle : chr "79\t" "54\t" "41\t" "1\t" ...
## $ volume : chr "3\t" "\t" "1\t" "3\t" ...
## $ issue : chr "1977-09-01T00:00:00Z\t" "2004-01-01T00:00:00Z\t" "1987-01-01T00:00:00Z\t" "1853-01-01T00:00:00Z\t" ...
## $ pubdate : chr "pp. 598-617\t" "pp. 41-47\t" "pp. 33-40\t" "pp. 171-172\t" ...
## $ pagerange : chr "American Anthropological Association\tWiley\t" "Royal Irish Academy\t" "New York Botanical Garden Press\tSpringer\t" "\t" ...
## $ publisher : chr "fla\t" "fla\t" "fla\t" "fla\t" ...
## $ type : logi NA NA NA NA NA NA ...
## $ reviewed.work: logi NA NA NA NA NA NA ...
私はこの種の線のせいだと思う（「とげ」と「マイナス」をチェック）
readLines("citations.CSV")[82]
[1] "10.2307/3642839,10.2307/3642839\t,\"Thorn\" and \"Minus\" in Hieroglyphic Luvian Orthography\t,H. Craig Melchert\t,Anatolian Studies\t,38\t,\t,1988-01-01T00:00:00Z\t,pp. 29-42\t,British Institute at Ankara\t,fla\t,\t,"
私は新しいRのユーザーで、他の人に役立つ場合に備えてこれを投稿すると思いました。スペイン語の文字をいくつか含むテキストファイル（カンマで区切られた）からデータを読み取ろうとしていたので、それを理解するのに永遠に時間がかかりました。 UTF-8エンコーディングを使用し、ヘッダー引数をTRUEに設定し、sep引数を「、」に設定する必要があることはわかっていましたが、それでもハングアップしました。 この投稿を読んだ後 fill argをTRUEに設定しようとしましたが、同じ "EOF in quoted string"を取得しました。これは上記と同じ方法で修正できました。私の成功したread.tableは次のようになります。
target <- read.table("target2.txt", fill=TRUE, header=TRUE, quote="", sep=",", encoding="UTF-8")
結果はスペイン語の文字と私が元々持っていたのと同じ調子を持っているので、私はそれを成功と呼んでいます！皆さんありがとう！
上記で指摘したように、Rヘルプセクションでは、単に以下を追加するだけで、引用を完全に無効にします。
quote = ""
read.csv（）に私のために働いた。
エラー「引用文字列内のEOF」は、次の場合に発生しました。
> iproscan.53A.neg = read.csv("interproscan.53A.neg.n.csv",
+ colClasses=c(pb.id = "character",
+ genLoc = "character",
+ icode = "character",
+ length = "character",
+ proteinDB = "character",
+ protein.id = "character",
+ prot.desc = "character",
+ start = "character",
+ end = "character",
+ evalue = "character",
+ tchar = "character",
+ date = "character",
+ ipro.id = "character",
+ prot.name = "character",
+ go.cat = "character",
+ reactome.id= "character"),
+ as.is=T,header=F)
Warning message:
In scan(file, what, nmax, sep, dec, quote, skip, nlines, na.strings, :
EOF within quoted string
> dim(iproscan.53A.neg)
[1] 69383 16
また、読み込まれたファイルには6,619行がありませんでした。しかし、引用を無効にすることで
> iproscan.53A.neg = read.csv("interproscan.53A.neg.n.csv",
+ colClasses=c(pb.id = "character",
+ genLoc = "character",
+ icode = "character",
+ length = "character",
+ proteinDB = "character",
+ protein.id = "character",
+ prot.desc = "character",
+ start = "character",
+ end = "character",
+ evalue = "character",
+ tchar = "character",
+ date = "character",
+ ipro.id = "character",
+ prot.name = "character",
+ go.cat = "character",
+ reactome.id= "character"),
+ as.is=T,header=F,**quote=""**)
>
> dim(iproscan.53A.neg)
[1] 76002 16
エラーなしで動作し、すべての行が正常に読み込まれました。
実際、read.csv()を使用してテキストコンテンツを含むファイルを読み取ることはお勧めできません。セットquote=""は一時的な解決策であるため、引用符を無効にしてください。いくつかの特殊文字など、警告を引き起こす他の理由があります。
永続的な解決策（read.csv()を使用）、これらの特殊文字が何であるかを調べ、正規表現を使用してそれらを排除するのはアイデアです。
パッケージ{data.table}をインストールし、fread()を使用してファイルを読み取ることを考えたことがありますか。これははるかに高速であり、このEOF警告を気にすることはありません。ロードするファイルはdata.tableオブジェクトとして保存されますが、data.frameオブジェクトとしては保存されません。クラスdata.tableには多くの優れた機能がありますが、必要に応じてas.data.frame()を使用して変換できます。
私もこの問題に遭遇し、以下を使用して同様のEOFエラーを回避することができました。
read.table("....csv", sep=",", ...)
Separatorパラメーターは、より一般的なread.table()内で定義されていることに注意してください。
同様の問題がありました：EOF -warningおよび一部のデータのみがread.csv（）でロードされていました。 quotes = ""を試しましたが、EOF -warningのみが削除されました。
しかし、ロードされていない最初の行を見ると、セルの1つに特殊文字、矢印→（16進値0x1A）があることがわかりました。矢印を削除した後、データを正常にロードしました。
私も同様の問題を抱えていました。しかし、私の場合、問題の原因はいくつかのテキスト値内にアポストロフィ（つまり、単一引用符）が存在するためでした。これは、フランス語などのテキストを含むデータを扱うときに特に頻繁に発生します。 "L'autre jour"。
したがって、解決策は、引用引数のデフォルト設定を調整して" '"記号を除外することでした。したがって、quote = "\" "（つまり、二重引用符のみ）、すべて正常に機能しました。
それがあなたの一部を助けることを願っています。乾杯。