诊断1

Question

我有数百个文本文件，每个文件中包含以下信息：

*****Auto-Corelation Results******
1     .09    -.19     .18     non-Significant

*****STATISTICS FOR MANN-KENDELL TEST******
S=  609
VAR(S)=      162409.70
Z=           1.51
Random : No trend at 95%

*****SENs STATISTICS ******
SEN SLOPE =  .24

现在，我想阅读所有这些文件，并从每个文件（例如.24）“收集” Sen的统计信息，并将其与相应的文件名一起编译成一个文件。我必须在R中完成。

我使用过CSV文件但不知道如何使用文本文件。

这是我现在使用的代码：

require(gtools)
GG <- grep("*.txt", list.files(), value = TRUE)
GG<-mixedsort(GG)
S <- sapply(seq(GG), function(i){
X <- readLines(GG[i])
grep("SEN SLOPE", X, value = TRUE)
})
spl <- unlist(strsplit(S, ".*[^.0-9]"))
SenStat <- as.numeric(spl[nzchar(spl)])
SenStat<-data.frame( SenStat,file = GG)
write.table(SenStat, "sen.csv",sep = ", ",row.names = FALSE)

当前代码无法正确读取所有值并出现此错误：

Warning message:
NAs introduced by coercion

另外，我没有将文件名作为Output的另一列。请帮忙！

诊断1

代码也在读取=符号。这是print（spl）的输出

 [1] ""       "5.55"   ""       "-.18"   ""       "3.08"   ""       "3.05"   ""       "1.19"   ""       "-.32"  
[13] ""       ".22"    ""       "-.22"   ""       ".65"    ""       "1.64"   ""       "2.68"   ""       ".10"   
[25] ""       ".42"    ""       "-.44"   ""       ".49"    ""       "1.44"   ""       "=-1.07" ""       ".38"   
[37] ""       ".14"    ""       "=-2.33" ""       "4.76"   ""       ".45"    ""       ".02"    ""       "-.11"  
[49] ""       "=-2.64" ""       "-.63"   ""       "=-3.44" ""       "2.77"   ""       "2.35"   ""       "6.29"  
[61] ""       "1.20"   ""       "=-1.80" ""       "-.63"   ""       "5.83"   ""       "6.33"   ""       "5.42"  
[73] ""       ".72"    ""       "-.57"   ""       "3.52"   ""       "=-2.44" ""       "3.92"   ""       "1.99"  
[85] ""       ".77"    ""       "3.01"

诊断2

我发现了问题。负号有点棘手。在某些文件中它是

SEN SLOPE =-1.07
SEN SLOPE = -.11

由于=之后的差距，我正在为第一个获得NAs，但代码正在读取第二个。如何修改正则表达式来解决这个问题？谢谢！

Answer 1

假设"text.txt"是您的一个文本文件。使用readLines读入R，您可以使用grep查找包含SEN SLOPE的行。如果没有其他参数，grep将返回找到正则表达式的元素的索引号。在这里，我们发现它是第11行。添加value = TRUE参数以获取读取的行。

x <- readLines("text.txt")
grep("SEN SLOPE", x)
## [1] 11
( gg <- grep("SEN SLOPE", x, value = TRUE) )
## [1] "SEN SLOPE =  .24"

要查找工作目录中的所有.txt个文件，我们可以将list.files与正则表达式一起使用。

list.files(pattern = "*.txt")
## [1] "text.txt"

循环播放多个文件

我创建了第二个文本文件text2.txt，其中包含不同的SEN SLOPE值，以说明如何将此方法应用于多个文件。我们可以使用sapply，然后使用strsplit来获取所需的spl值。

GG <- list.files(pattern = "*.txt")
S <- sapply(seq_along(GG), function(i){
    X <- readLines(GG[i])
    ifelse(length(X) > 0, grep("SEN SLOPE", X, value = TRUE), NA)
    ## added 04/23/14 to account for empty files (as per comment)
})
spl <- unlist(strsplit(S, split = ".*((=|(\\s=))|(=\\s|\\s=\\s))"))
## above regex changed to capture up to and including "=" and 
## surrounding space, if any - 04/23/14 (as per comment)
SenStat <- as.numeric(spl[nzchar(spl)])

然后我们可以将结果放入数据框并将其发送到write.table

的文件

( SenStatDf <- data.frame(SenStat, file = GG) )
##   SenStat      file
## 1    0.46 text2.txt
## 2    0.24  text.txt

我们可以用

将其写入文件

write.table(SenStatDf, "myFile.csv", sep = ", ", row.names = FALSE)

2014年7月21日更新：

由于结果正在写入文件，因此使用

可以更简单（更快）

( SenStatDf <- cbind(
      SenSlope = c(lapply(GG, function(x){
          y <- readLines(x)
          z <- y[grepl("SEN SLOPE", y)]
          unlist(strsplit(z, split = ".*=\\s+"))[-1]
          }), recursive = TRUE),
      file = GG
 ) )
#      SenSlope file       
# [1,] ".46"   "test2.txt"
# [2,] ".24"   "test.txt"

然后用

写入并读入R.

write.table(SenStatDf, "myFile.txt", row.names = FALSE)
read.table("myFile.txt", header = TRUE)
#   SenSlope      file
# 1     1.24 test2.txt
# 2     0.24  test.txt

Answer 2

首先制作一个示例文本文件：

cat('*****Auto-Corelation Results******
1     .09    -.19     .18     non-Significant

*****STATISTICS FOR MANN-KENDELL TEST******
S=  609
VAR(S)=      162409.70
Z=           1.51
Random : No trend at 95%

*****SENs STATISTICS ******
SEN SLOPE =  .24',file='samp.txt')

然后阅读：

tf <- readLines('samp.txt')

现在提取相应的行：

sen_text <- grep('SEN SLOPE',tf,value=T)

然后得到超过等号的值：

sen_value <- as.numeric(unlist(strsplit(sen_text,'='))[2])

然后将这些结果合并到每个文件中（原始问题中没有提到的文件结构）

Answer 3

如果您的文本文件始终采用该格式，（例如Sen Slope始终位于第11行）并且文本与您的所有文件完全相同，则只需两行即可完成所需的文本。

char_vector <- readLines("Path/To/Document/sample.txt")
statistic <- as.numeric(strsplit(char_vector[11]," ")[[1]][5])

那会给你0.24。

然后通过apply语句或for循环遍历所有文件。

为清楚起见：

> char_vector[11]
[1] "SEN SLOPE =  .24"

和

> strsplit(char_vector[11]," ")
[[1]]
[1] "SEN"   "SLOPE" "="     ""      ".24"

因此你想要strsplit的结果[[1]] [5]。

Answer 4

步骤1：将完整fileNames保存在单个变量中：

fileNames <- dir(dataDir,full.names=TRUE)

步骤2：让我们读取并处理其中一个文件，并确保它给出正确的结果：

data.frame(
  file=basename(fileNames[1]), 
  SEN.SLOPE= as.numeric(tail(
    strsplit(grep('SEN SLOPE',readLines(fileNames[1]),value=T),"=")[[1]],1))
  )

步骤3：在所有fileNames

上执行此操作

do.call(
  rbind,
  lapply(fileNames, 
         function(fileName) data.frame(
           file=basename(fileName), 
           SEN.SLOPE= as.numeric(tail(
             strsplit(grep('SEN SLOPE',
                           readLines(fileName),value=T),"=")[[1]],1)
             )
           )
         )
  )

希望这会有所帮助!!

如何从文本文件中读取信息？

诊断1

诊断2

4 个答案: