Question

我对R相当陌生（在法学院中，所以这对我来说都是很新的），所以如果措辞不佳，我深表歉意。我有一系列大约1500个文档，我将这些文档导入到R中以便以后进行分类和分析。我需要做的第一件事是排除所有用法语编写的文档，这些文档的标题/doc.info中带有“ FR”标记。我很好奇我可以在导入文件之前使用什么样的代码来排除该代码，以在分析任何内容之前将其包含一个干净的数据集（因为这样做显然会使诸如情感分析之类的过程变得一团糟）。感谢任何帮助（即使该帮助说明了如何更好地谈论编码）。亲切的问候！

编辑1 我正在使用的代码是readtext（folder），您可以在下面看到：文件夹<-“ C：/ [路径]” 提交<-readtext（文件夹）

submissions_text<-submissions$text

submission_number<- numeric()
submission_person<- factor()
submission_code<- factor()
submission_language<-factor()
submission_location<-factor()

for (submission_name in submissions$doc_id) {
  submission_name<-gsub(".txt","",submission_name)
  number<-as.numeric(strsplit(submission_name, "_|-")[[1]][1])
  submission_number<-c(submission_number,number)
  person<-strsplit(submission_name, "_")[[1]][2]
  submission_person<-c(submission_person, person)
  code<-strsplit(submission_name, "_")[[1]][3]
  submission_code<-c(submission_code, code)
  lang<-strsplit(submission_name, "_")[[1]][4]
  submission_language<-c(submission_language, lang)
  location<-strsplit(submission_name, "_")[[1]][5]
  submission_location<-c(submission_location, location)
}

submissions<-cbind(submissions,submission_number)
submissions<-cbind(submissions,submission_person)
submissions<-cbind(submissions,submission_code)
submissions<-cbind(submissions,submission_language)
submissions<-cbind(submissions,submission_location)


submissions<-submissions[order(submissions$submission_number, decreasing = FALSE),]

这只是我代码的组织方面。我希望在此之前排除所有法国数据（但如果事后再来，我也会对此感到非常满意）。

Answer 1

您需要的功能可以在list.files()函数中找到。可以找到文档here。

简而言之，您的代码可能最终看起来像这样：

setwd("c:/path/to/your/data/here")
files <- list.files()
non_french_files <- files[!grepl("FR", files)]
lapply(non_french_files, function(x) {
  f <- read.csv(x)
  #do stuff with f
}]

注意-您可以直接利用`list.files（）中的pattern参数，但是我选择分两步进行操作，以防您想对法语文件进行其他操作。这也简化了每一行代码的工作...

......祝你好运，欢迎来到R！

Answer 2

这里与@Chase相似：

#set wd
files<-list.files()[!grepl("FR",list.files())]
lapply(files,function(x) read.csv(x)) #reads all at once, might want to save each

对于R：如何根据文件语言排除某些数据文件

2 个答案: