在Loading_n_Parsing課程中，同學已經學會了如何檢查含中文資料檔案的編碼，並且利用適當的參數，將這些檔案載入R環境之中。
然而有時候，由於不明原因，R還是會發生無法讀取特定編碼的狀況。這時候，我們可以先把資料以位元的方式讀取到R中，再做轉碼。
在程式的世界中，資料在電腦中最終都是儲存為0和1的位元。在處理資料時，程式需要先對資料有一些認識才能做處理，例如把資料當成字串、整數或浮點數。文字的資料才會被編碼影響，所以如果我們只是用位元來處理檔案的內容，就可以避開編碼的問題。
我們拿一個自http://data.gov.tw/node/6213下載的csv檔做範例。這個檔案的目錄已經存入了lvr_land.path變數之中。
R是型態為raw的向量來處理位元的物件。只要能知道檔案的大小，readBin就可以把所有的檔案資料以raw的形式輸入到R中。我們可以使用file.info來查詢檔案的大小。請同學利用file.info(lvr_land.path)來查詢檔案的資訊，並且把結果存到變數lvr_land.info。
lvr_land.info <- file.info(lvr_land.path)請同學先輸入class(lvr_land.info)
class(lvr_land.info)請問同學，file.info的回傳值是什麼型態？ data.frame
接下來請同學列出lvr_land.info的欄位名稱
colnames(lvr_land.info)請問同學，lvr_land.path背後的檔案大小，應該是多少呢？請輸入一個指令，讓R輸出一個數值，代表這個檔案的大小。
lvr_land.info$size接著請同學利用readBin來把lvr_land.path的檔案完全以位元的方式讀到R中，並且存到名稱為lvr_land.bin的變數。
lvr_land.bin <- readBin(lvr_land.path, what = "raw", n = lvr_land.info$size)接著，我們需要使用stringi套件。由於swirl本身已經相依於stringi，所以請同學直接載入stringi。
library(stringi)透過stringi套件的stri_encode，我們可以把一個位元組的向量（在R中，這類向量的型態是raw）從一個編碼轉換為另一個編碼。
請同學把stri_encode(lvr_land.bin,"BIG-5","UTF-8")的結果存到lvr_land.txt之中。
lvr_land.txt <- stri_encode(lvr_land.bin, "BIG-5", "UTF-8")透過以上的方法，我們可以取得轉換編碼後的character向量lvr_land.txt。
接著我們開始來講解read.table這個讀取CSV格式檔案最泛用的指令。
在R中，read.table的第一個參數和readLines的第一個參數一樣，代表要開啟的檔案。如果我們不在乎檔案的編碼，可以直接輸入檔案的路徑。以下哪一個是正確的路徑？ lvr_land.path
請同學特別注意read.table的參數fileEncoding的用法，這個參數雖然可以解碼，但只能用在file參數為字串的case。請同學試試看read.table(lvr_land.path,fileEncoding="BIG-5")。
read.table(lvr_land.path, fileEncoding = "BIG-5")可惜我們需要設定編碼。（註：在中文版windows上預設會使用BIG5編碼，所以可以直接如上題輸入lvr_land.path。第二個重要的參數，是header。header=TRUE代表檔案的第一行是欄位名稱，而不是資料。header=FALSE代表檔案的第一行就是資料。剛剛我們看到檔案的前五行的內容是：[1]"鄉鎮市區,交易標的,..."[2]"文山區,房地(土地+建物)..."。請問同學，header的參數應該要給哪一個呢？ TRUE
第三個重要的參數是sep，這代表各行欄位間的分隔符號。根據之前我們看到的前五行的資料：`[1]“鄉鎮市區,交易標的,土地區段位置…,土地移轉總面積…”[2]“文山區,房地(土地+建物),臺北市文山區…,43.44…”[3]“中正區,房地(土地+建物),臺北市中正區…,40.19…”。請問同學，這份檔案個欄位的分隔符號是什麼呢？ ,
依照以上問答題的答案，請同學利用read.table，用BIG5編碼讀取lvr_land.path，並且把輸出存到變數lvr_land
lvr_land <- read.table(file(lvr_land.path, encoding = "BIG5"), header = TRUE, sep = ",")如果我們要直接從lvr_land.txt的內容取出表格，一種方法是直接把lvr_land.txt寫成一個檔案，再用read.table讀取。另外一種方法，是把lvr_land.txt視為一個類似檔案的物件，也就是connection。
在windows上，有一個很不方便的地方，是接下來的作法和Windows的語系有關。如果同學的Windows的語系有支援多位元組字串（例如中文、日文等語系），那語法需要調整。
我們可以用l10n_info()來查詢作業系統對於各種Encoding的支援狀況。l10n_info()會回報系統對是否有支援UTF-8（UTF-8欄位），或是多位元組字串（MBCS欄位）。請同學試試看輸入：l10n_info()
l10n_info()根據經驗，如果l10n_info()的輸出中，MBCS為TRUE且UTF-8為FALSE，則要使用：textConnection(lvr_land.txt)來從lvr_land.txt建立一個connection。除此之外，則使用textConnection(lvr_land.txt,encoding="UTF-8")即可。請同學依據上一題的結果，在MBCS為TRUE且UTF-8為FALSE時執行：read.table(textConnection(lvr_land.txt),header=TRUE,sep=",")否則，執行：read.table(textConnection(lvr_land.txt,encoding="UTF-8"),header=TRUE,sep=",")
read.table(get_text_connection_by_l10n_info(lvr_land.txt), header = TRUE, sep = ",")以上提供數種在R中處理中文資料的方法給同學參考。
事實上，如果同學自行下載原本的檔案來處理，上述的流程還是會出錯的。那是因為在第21行，資料的最後一欄的內容包含：,這個符號，導致欄位判斷出錯。
遇到這種狀況，最好的方式是自己用如notepad++或是其他的編輯器，自行編輯原始的檔案資料（依照錯誤訊息，移除多餘的,），再用R讀取。由於這樣的動作超過這個課程系統的內容，所以我們就不帶著同學做操作了。
另外一種方式，是透過readLines來讀取資料，再用R的其他函數自行把讀入的字串轉換為data.frame。這部分很難歸納，會隨著資料的乾淨程度而有所不同。同學可以再閱讀本課程中的，一些實際分析OpenData的範例，就可以學到一些技巧。或是繼續學習R的字串處理函數與套件。
最後，還是要請同學利用這次所學的內容，做一個小練習。請同學在完成之後存檔，並輸入submit()來檢查結果是否符合預期。如果同學在檔案中看到亂碼，請使用Rstudio左上角的File->ReopenWithEncoding…->選取：UTF-8
#' 請同學用這章節所學的技巧，讀取`orglist.path`的檔案
#' 資料來源：<http://data.gov.tw/node/7307>
# <你可以在這裡做各種嘗試>
answer.raw <- readBin(orglist.path, what = "raw", n = file.info(orglist.path)$size)
answer.txt <- stringi::stri_encode(answer.raw, from = "UTF-16", to = "UTF-8")
get_text_connection_by_l10n_info <- function(x) {
info <- l10n_info()
if (info$MBCS & !info$`UTF-8`) {
textConnection(x)
} else {
textConnection(x, encoding = "UTF-8")
}
}
answer <- read.table(get_text_connection_by_l10n_info(answer.txt), header = TRUE, sep = ",")