R有时在两行读取数据

2023年9月6日 266次阅读

我需要从文本文件(其中许多和非常大)中读取数据,通常如下所示：

#2013#3090050010#CCOU#01#022#1#N#16/03/2015
#2013#3090050010#CCOU#01#023#1 ## 16/03/2015
#2013#3090050010#CCOU#02#005#1#1692528#16/03/2015
#2013#3090430110#CCOU#15#504#2#blablablablablablablablablablablablablab
labla第01/10/2014年

#2013#3090430110#CCOU#15#505#2 ## 01/10/2014年

所以“#”是分隔符,有时长记录使用两行.我有一个解决方法,我使用grep忽略不以“#”开头的行：

x<-readLines("data.txt")
y <- grep("^#",x)
app<-x[y]
NamesForCols<-c("..",...) 
myDat<-read.table(text=app,header =F,sep="#",quote="",col.names = NamesForCols, colClasses=c("NULL", "factor", NA,NA,NA,NA,NA,"character","NULL"), fill=T,blank.lines.skip=T,comment.char = "",allowEscapes = T)

但我对这个解决方案不满意(重要数据丢失).有没有办法读取data.txt文件,以便每个记录必须准确地满足“#”符号8次,即使这意味着有时访问两行？任何其他建议都会受到欢迎.
谢谢！

最佳答案 您可以执行以下操作：

text <- "#2013#3090050010#CCOU#01#022#1#N#16/03/2015 
#2013#3090050010#CCOU#01#023#1##16/03/2015 
#2013#3090050010#CCOU#02#005#1#1692528#16/03/2015 
#2013#3090430110#CCOU#15#504#2#blablablablablablablablablablablablablab 
labla#01/10/2014

#2013#3090430110#CCOU#15#505#2##01/10/2014"

现在将不以#开头的列与前面的列组合在一起：

x <- strsplit(text, "\n")[[1]]
# starts with # or is empty
ind <- cumsum(pmax(grepl("^#",x), x==""))
x_collapsed <- vapply(split(x, ind), paste0, character(1), collapse = "")
x_collapsed <- paste(x_collapsed, collapse = "\n")

现在你可以阅读,例如通过：

require(readr)
read_delim(x_collapsed, delim = "#", col_names = FALSE,
       col_types = cols(X9 = col_date("%d/%m/%Y")))[, -1]

结果如下：

# A tibble: 5 × 8
     X2         X3    X4    X5    X6    X7                                             X8         X9
  <int>      <dbl> <chr> <chr> <chr> <int>                                          <chr>     <date>
1  2013 3090050010  CCOU    01   022     1                                              N 2015-03-16
2  2013 3090050010  CCOU    01   023     1                                           <NA> 2015-03-16
3  2013 3090050010  CCOU    02   005     1                                        1692528 2015-03-16
4  2013 3090430110  CCOU    15   504     2 blablablablablablablablablablablablablab labla 2014-10-01
5  2013 3090430110  CCOU    15   505     2                                           <NA> 2014-10-01
点赞