Question

我有很多想要阅读的文件。文件的格式如下所示。

我尝试了很多包格式来阅读它，但它们似乎都不起作用。应跳过以“ - ”开头的行。文件中大约有102列，但我只显示了几列。以“ - ”开头的行实际上位于第1行，第3行和最后一行。

文件格式如下

------------------------------------------------
|Delivery |Created by |Time    |Created on|SDst|
------------------------------------------------
|84181375 |BATCHJOBMGR|19:33:47|01/05/2017|    |
|84181376 |BATCHJOBMGR|19:33:47|01/05/2017|    |
------------------------------------------------

我尝试了以下内容：

使用read.table

temp <- read.delim(file="LIKP_01012016_01312016.txt", header=TRUE, 
                   stringsAsFactors=FALSE, 
                   strip.white=TRUE, sep="|", skip = 1, comment.char = "-")

使用data.table

temp <- fread(input="LIKP_01012017_01312017.txt",  
              stringsAsFactors=FALSE, strip.white=TRUE, 
              sep="|",quote = "-", skip=1)

显然我做的不对。你能帮我阅读这些文件吗？

提前致谢。

萨蒂什南比亚

Answer 1

1）在样本数据中，唯一的减号以虚线表示。如果您的真实数据也是如此，则以下内容应该有效。将text = Lines替换为"LIKP_01012016_01312016.txt"。请注意，comment.char = "-"会导致任何带有减号的行具有该减号，并且忽略其后面的所有内容，从而有效地将缺少的行转换为空行。

read.table(text = Lines, header = TRUE, sep = "|", as.is = TRUE, 
        comment.char = "-", check.names = FALSE, strip.white = TRUE)[2:6]

，并提供：

  Delivery  Created by     Time Created on SDst
1 84181375 BATCHJOBMGR 19:33:47 01/05/2017   NA
2 84181376 BATCHJOBMGR 19:33:47 01/05/2017   NA

2 如果数据中确实有减号，则只需跳过第一行，使用fill = TRUE并删除第一行和最后一行（其余为所有减号的行））。

DF <- read.table(text = Lines, header = TRUE, sep = "|", as.is = TRUE, 
        skip = 1, fill = TRUE, check.names = FALSE, strip.white = TRUE)[2:6]
n <- nrow(DF)
DF <- DF[-c(1, n), ]

注意：上述代码的输入为：

Lines <- "------------------------------------------------
|Delivery |Created by |Time    |Created on|SDst|
------------------------------------------------
|84181375 |BATCHJOBMGR|19:33:47|01/05/2017|    |
|84181376 |BATCHJOBMGR|19:33:47|01/05/2017|    |
------------------------------------------------"

Answer 2

您可以使用system()命令更正每个输入文件。以下是使用sed实用程序的Linux。以-开头的所有行都将被删除（sed '/^-/d'）。此外，还删除了所有前导和尾随管道（|）字符（sed 's/^|//'和sed 's/|$//'）。输出可以保存到临时文件中，可以使用通常的read.csv命令读取，将分隔符指定为|：

> system("cat LIKP_01012016_01312016.txt | sed '/^-/d' | sed 's/^|//' | sed 's/|$//' > temp.csv")
> dd = read.csv('temp.csv', na.strings='', sep="|")
> dd
  Delivery  Created.by     Time Created.on SDst
1 84181375 BATCHJOBMGR 19:33:47 01/05/2017   NA
2 84181376 BATCHJOBMGR 19:33:47 01/05/2017   NA

上面可以放在for循环中，逐个转换和读取所有文件。

Answer 3

不同的方法：

con <- file('path/to/file.txt')

d <- readLines(con)

d <- read.delim(textConnection(d[!grepl("-", d)]), sep = '|')[2:6]

如何以下列格式读取文件

3 个答案: