Question

我一直在尝试将.bcp文件格式的英国慈善事务委员会数据转换成.csv文件格式，然后可以将其读入R。我要引用的数据在此处可用：http://data.charitycommission.gov.uk/。我想做的就是将这些.bcp文件转换成可用的数据帧，以便我可以清理并在R中运行分析。

在这个github页面https://github.com/ncvo/charity-commission-extract上有关于如何通过python做到这一点的建议，但是不幸的是我无法使这些选项起作用。

我想知道是否有任何语法或软件包可以直接在R中打开这些数据？我找不到任何东西。

另一个选择是使用readLines将R中的文件作为单个字符向量简单地打开。我已经做到了，并且文件用@**@分隔列，*@@*分隔行。（请参见此处：http://data.charitycommission.gov.uk/data-definition.aspx）。是否存在R命令，该命令可以让我从长字符串创建数据帧，并为行和列定义定界符？

Answer 1

R解决方案

编辑版本

不确定所有.bcp文件是否都采用相同的格式。.我下载了您提到的数据集，并尝试了最小文件的解决方案。 extract_aoo_ref.bcp

library(data.table)

#read the file as-is
text <- readChar("./extract_aoo_ref.bcp", 
                 nchars = file.info( "./extract_aoo_ref.bcp" )$size, 
                 useBytes = TRUE)
#replace column and row separator
text <- gsub( ";", ":", text)
text <- gsub( "@\\*\\*@", ";", text)
text <- gsub( "\\*@@\\*", "\n", text, perl = TRUE)
#read the results
result <- data.table::fread( text, 
                             header = FALSE, 
                             sep = ";", 
                             fill = TRUE, 
                             quote = "", 
                             strip.white = TRUE)

head(result,10)

#    V1 V2                           V3                                           V4 V5 V6
# 1:  A  1 THROUGHOUT ENGLAND AND WALES At least 10 authorities in England and Wales  N NA
# 2:  B  1             BRACKNELL FOREST                             BRACKNELL FOREST  N NA
# 3:  D  1                  AFGHANISTAN                                  AFGHANISTAN  N  2
# 4:  E  1                       AFRICA                                       AFRICA  N NA
# 5:  A  2           THROUGHOUT ENGLAND      At least 10 authorities in England only  N NA
# 6:  B  2               WEST BERKSHIRE                               WEST BERKSHIRE  N NA
# 7:  D  2                      ALBANIA                                      ALBANIA  N  3
# 8:  E  2                         ASIA                                         ASIA  N NA
# 9:  A  3             THROUGHOUT WALES        At least 10 authorities in Wales only  Y NA
# 10:  B  3                      READING                                      READING  N NA

与棘手的文件相同； extract_charity.bcp

head(result[,1:3],10)
#       V1 V2                                                                                 V3
# 1: 200000  0                                                          HOMEBOUND CRAFTSMEN TRUST
# 2: 200001  0                                                          PAINTERS' COMPANY CHARITY
# 3: 200002  0                                              THE ROYAL OPERA HOUSE BENEVOLENT FUND
# 4: 200003  0                                                          HERGA WORLD DISTRESS FUND
# 5: 200004  0 THE WILLIAM GOLDSTEIN LAY STAFF BENEVOLENT FUND (ROYAL HOSPITAL OF ST BARTHOLOMEW)
# 6: 200005  0                              DEVON AND CORNWALL ROMAN CATHOLIC DEVELOPMENT SOCIETY
# 7: 200006  0                                                    THE HORLEY SICK CHILDREN'S FUND
# 8: 200007  0                                            THE HOLDENHURST OLD PEOPLE'S HOME TRUST
# 9: 200008  0                                                         LORNA GASCOIGNE TRUST FUND
# 10: 200009  0                                          THE RALPH LEVY CHARITABLE COMPANY LIMITED

所以..看起来好像正在工作：）

在R中打开.bcp文件

1 个答案: