Question

R确定文件是否压缩的最佳方法是什么？是否有任何特定的功能来检查？我问的是与文件扩展名不同的东西，例如。

grepl("^.*(.gz|.bz2|.tar|.zip|.tgz|.gzip|.7z)[[:space:]]*$", filename)

Answer 1

在R中，执行此操作：

filetype = summary( file('yourfile.gz') )$class

如果是gzip，filetype将为gzfile

注意：您可能还希望将文件分配给变量并在

之后关闭连接

filetype <- function(path){
    f = file(path)
    ext = summary(f)$class
    close.connection(f)
    ext
}

Answer 2

如果您使用的是Linux（或类似版本），则可以使用file命令。 E.g。

file filename

这将告诉您有关各种格式的有用信息，例如，如果文件是使用gzip压缩的（R可以直接读取的格式之一）。

Answer 3

如果您安装了Java，则可以使用免费工具Apache Tika来探测文件的元数据。

下载后设置：

alias tika='java -jar /opt/java_shared/tika/tika-app-1.7.jar'

解析文件（慢，需要约5秒）

tika -m chroma-1.15.tar.bz2

Content-Length: 2690725
Content-Type: application/x-bzip2
X-Parsed-By: org.apache.tika.parser.DefaultParser
X-Parsed-By: org.apache.tika.parser.pkg.CompressorParser
resourceName: chroma-1.15.tar.bz2

另一个例子：

echo "hi there" > notazipfile.zip 

tika -m notazipfile.zip 

Content-Encoding: ISO-8859-1
Content-Length: 9
Content-Type: text/plain; charset=ISO-8859-1
X-Parsed-By: org.apache.tika.parser.DefaultParser
X-Parsed-By: org.apache.tika.parser.txt.TXTParser
resourceName: notazipfile.zip

有一个帮助页面：

tika --help

长名单：

tika --list-supported-types | grep -C 3 bzip2

application/x-bzip
  supertype: application/octet-stream
  parser:    org.apache.tika.parser.pkg.CompressorParser

再次：探测大文件可能需要一段时间。

请注意，有一个网站，有人开始创建一个R界面，但这个网页是从2012年开始的，似乎是不活跃的： https://r-forge.r-project.org/projects/r-tika/

如何检查文件是否在R中压缩

3 个答案: