我有一个来自NOAA的文本文件，其中有一个气象站列表，应该有8列，没有标题。它们都用空格分隔，但在下面的情况下，有些名称有“ABBEVILLE”，其他有“ANDALUSIA 3 W”。当我用read.table将它读入R时，我得到10列。
USC00010008 31.5702 -85.2482 139.0 AL ABBEVILLE 15 -6
USC00010252 31.3071 -86.5226 76.2 AL ANDALUSIA 3 W 15 -6
git-recover有没有办法让我在一列中导入“ANDALUSIA 3 W”之类的东西？我认为fill = FALSE可能有效，但如果我这样做，我会收到错误。
答案 0 :(得分：1)
读取固定宽度格式文件要求您首先识别没有有效的分隔符，然后使用`read.fwf。这又要求您确定间距以计算宽度：
inp <- "
USC00010008 31.5702 -85.2482 139.0 AL ABBEVILLE 15 -6
USC00010063 34.2553 -87.1814 249.3 AL ADDISON 15 -6"
> cat( paste0( rep( 0:9, 13), collapse=""))
0123456789012345678901234567890123456789012345678901234567890123456789012345678901234567890123456789012345678901234567890123456789
请注意，正确的文字编辑器有时可能有助于使用标尺＆＃34;。我有时会做一个统治者：
cat( paste0( rep( c(1:9,0), 7), collapse="")); cat("\n");
cat(paste0( sprintf( "% 10s", 1:7), collapse=""))
#---------------------------------------
#1234567890123456789012345678901234567890123456789012345678901234567890
# 1 2 3 4 5 6 7
事实上，我刚刚意识到我应该创建一个可调节标尺的功能：
ruler <- function(len=7){ cat( paste0( rep( c(1:9,0), len), collapse=""))
cat("\n")
cat(paste0( sprintf( "% 10s", 1:len), collapse="")) }
> ruler(13) # could not get a proper display of the output in SO
（现已保存到我的.Rprofile实用程序函数套件中。）
然后猜测宽度并在此错误后进行一些调整：
> read.fwf(textConnection(inp), widths=c(10, 10,10, 7, 90, 5, 5) )
V1 V2 V3 V4 V5 V6 V7
1 <NA> <NA> NA NA <NA> NA NA
2 USC0001000 8 31.5702 -85.2482 139.0 AL ABBEVILLE 1 5
3 USC0001006 3 34.2553 -87.1814 249.3 AL ADDISON 1 5
我终于得到了：
myfwf <- readLines("ftp://ftp.ncdc.noaa.gov/pub/data/hpd/auto/v1/beta/hpd-stations.txt" )
> mytbl <- read.fwf(textConnection(myfwf[1:12]), widths=c(11, 10,10, 7, 89, 5, 5) )
> mytbl
V1 V2 V3 V4 V5 V6 V7
1 USC00010008 31.5702 -85.2482 139.0 AL ABBEVILLE 1 5
2 USC00010063 34.2553 -87.1814 249.3 AL ADDISON 1 5
3 USC00010140 32.2322 -87.4104 53.3 AL ALBERTA 1 5
4 USC00010252 31.3071 -86.5226 76.2 AL ANDALUSIA 3 W 1 5
5 USC00010369 33.2941 -85.7788 311.5 AL ASHLAND 3 ENE 1 5
6 USC00010390 34.7752 -86.9508 210.0 AL ATHENS 1 5
7 USC00010402 31.1820 -87.4390 91.4 AL ATMORE 1 5
8 USC00010425 32.5992 -85.4653 166.1 AL AUBURN NO.2 1 5
9 USC00010748 33.6972 -87.6491 157.9 AL BERRY 3 NW 1 5
10 USC00010957 34.2008 -86.1633 326.1 AL BOAZ 1 5
11 USC00011099 34.9786 -85.8008 204.2 AL BRIDGEPORT 5 NW 1 5
12 USC00012124 32.8622 -85.7358 223.4 AL DADEVILLE 2 1 5
请注意，我将其限制在前12行，因为第13行有一个octothorpe（＆＃34;＃＆＃34;）导致线路过早终止，因为这是R注释字符。
USC00012172 30.2505 -88.0775 2.4 AL DAUPHIN ISLAND #2 15 -6
所以需要comment.char=""：
> mytbl <- read.fwf(textConnection(myfwf), widths=c(11, 10,10, 7, 89, 5, 5) , comment.char="")
> str(mytbl)
'data.frame': 1920 obs. of 7 variables:
$ V1: Factor w/ 1920 levels "CQC00914080",..: 23 24 25 26 27 28 29 30 31 32 ...
$ V2: num 31.6 34.3 32.2 31.3 33.3 ...
$ V3: num -85.2 -87.2 -87.4 -86.5 -85.8 ...
$ V4: num 139 249.3 53.3 76.2 311.5 ...
$ V5: Factor w/ 1920 levels "AK CENTRAL NO 2 ",..: 8 9 10 11 12 13 14 15 16 17 ...
$ V6: Factor w/ 9 levels " 1","0 1",..: 1 1 1 1 1 1 1 1 1 1 ...
$ V7: Factor w/ 2 levels "5 ","5 -": 1 1 1 1 1 1 1 1 1 1 ...
答案 1 :(得分：0)
丑陋，但有效：
x <- readLines("hpd-stations.txt")
l <- list()
for (i in 1:length(x)) {
a <- strsplit(x[i], " ")
b <- t(sapply(a, "[", 1:5))
c <- length(a[[1]]) - 5 - 2
d <- t(sapply(a, "[", 6:(5+c)))
e <- t(sapply(a, "[", (5+c+1):length(a[[1]])))
res <- as.data.frame(cbind(b, paste0(d, collapse = " "), e))
l[[i]] <- res
}
data <- dplyr::bind_rows(l)
给你
> data
V1 V2 V3 V4 V5 V6 V7 V8
1 USC00010008 31.5702 -85.2482 139 AL ABBEVILLE 15 -6
2 USC00010009 31.5602 -85.2482 179 AL ABBEVILLFOO 3 W 15 -6
使用虚拟数据进行测试。
编辑：刚看到该文件的链接出现了。尚未对此进行测试，但您现在应该考虑使用read.fwf()。