csv - 将外语从 csv 文件导入 Stata

Question

我正在使用Stata 12。我遇到了以下问题。insheet我正在使用该命令将一堆 .csv 文件导入 Stata 。数据集可能包含俄语、克罗地亚语、土耳其语等。我认为它们是用“UTF-8”编码的。在 .csv 文件中，它们是正确的。我把它们导入Stata后，原来的字符串不正确，变成了奇怪的字符。你能帮我解决这个问题吗？Stat-Transfer 能解决问题吗？它是否支持 .csv 格式？

例如，原始文件是这样的：

我的代码是这样的：insheet using name.csv, cn save name.dta,replace

结果是这样的：

而且我尝试在字体选项中调整脚本，但不起作用。

Answer 1

正如@Nick Cox 之前评论的那样，问题在于Stata 不支持Unicode/UTF-8 编码。不，StatTransfer 不能解决问题（请参阅此说明）。

您可以使用在线解码器或 MS Word 来解决问题。让我们先用一种语言来做，比如你的截图中的俄语。查看您拥有的克罗地亚语、土耳其语和其他语言的正确编码。

1. 将 .csv 文件中的字符串变量保存为纯文本 (.txt)，选择 UTF-8 编码选项。
2. 编码转换：
   • 使用@Dimitriy V. Masterov 建议的 iconv，或者
   • 使用在线工具，例如：上传.txt文件，选择源编码为UTF-8，输出编码根据感兴趣的语言（俄语为CP1251），点击“转换”按钮保存输出文件， 或者
   • 如果您有 MS Office，您也可以将 MS Word 用于相同目的。右键单击 .txt 文件，选择“打开方式...”，选择使用 MS Word 打开。在出现的窗口中，确认文件编码为“Unicode (UTF-8)”，打开，然后点击“另存为...”，另存为纯文本。在新出现的窗口中，选择“Cyrillic (Windows)”并标记“插入换行符”。节省。
3. 检查您的新 .txt 文件 - 它仍然应该有一些奇怪的字符（如 ÌßÑÎÊÎÌÁÈÍÀÒ）但现在 Stata 可以正确显示它们。
4. 在Stata数据编辑器中复制粘贴新的字符串变量，右键单击变量，选择“Font...”，然后字符串“Cyrillic”。您应该在数据编辑器和结果窗口中的屏幕上看到正确的名称（即使字符串本身是完整的）。
   

根据您的操作系统，您可能需要先安装所有适当的语言。
希望能帮助到你。

Answer 2

更新答案：从版本 14 开始，所有 Stata 都支持 Unicode。即结果、帮助文件、do 文件、ado 文件、数据标签等。

这并不能帮助用户限制访问 14 之前的 Stata 版本，而是一种解决方案。使用 OP 的示例：

. insheet using "/home/Alexis/Desktop/data.csv"
(3 vars, 4 obs)

. ed

. list

     +------------------------------------------------------------------------------+
     |         v1    v2                                                          v3 |
     |------------------------------------------------------------------------------|
  1. | RU00040778   RUS                                  ПРAЙCBOTEРXAУCKУПEРC AУДИT |
  2. | RU00044434   RUS                                                        КПMГ |
  3. | RU00044428   RUS                                               Эрнст энд Янг |
  4. | RU00044428   RUS   Аудиторско-консулбтационная группа Раэвитие Биэнес-систем |
     +------------------------------------------------------------------------------+