处理R语言中的readLines()函数

Question

最近我在使用R时遇到了很大的困难。

虽然我不是一个专家用户，但我正在尝试使用R来读取纯文本（.txt）文件并捕获每行。然后，我想处理这些行，并对文本进行一些断点和更改。

以下是我使用的代码：

fileName <- "C:/MyFolder/TEXT_TO_BE_PROCESSED.txt"
con <- file(fileName,open="r")
line <- readLines(con)
close(con)

它可以完美地读取文本和换行符。但我不理解创建的 line 对象是如何工作的。

使用此代码创建的 line 对象具有类：character 和长度：[57]。 如果我键入 line[1]，它会显示第一行的文本。但如果我键入

length(line[1])

它返回给我[1]。

我想知道如何将这个长度为1的字符串转换成实际包含518的长度为518的字符串。

有人知道我做错了什么吗？

我不一定需要使用readLines()函数。我做了一些研究，也找到了scan()函数，但我最终得到了一个不可变的字符串，长度为518，但是length == 1。

希望我对我的问题已经表达清楚了。抱歉我的英语不好。

- user3521631

---

readLines 返回 "一个字符向量，其长度为读取的行数。"（来自 ?readLines）。这就是为什么每行的长度为1。你尝试过使用 read.csv 或 read.table 吗？ - Rich Scriven

请提供一些数据和您期望的结果。听起来您只需要使用 strsplit 函数即可。 - Rich Scriven

尝试使用nchar(line[1])，它将给出列表第一个元素（即文件的第一行）中字符的数量。length(list)告诉你从文件中检索到的行数；通过给它length(list[1])，你正在询问列表的一个切片中元素的数量，这个切片恰好只有一个元素（可能是长度为518或其他值的字符串）。 - r2evans

@r2evans nchar(line[1]) 返回字符串中的字符数。但我想知道如何逐个访问这些字符。strsplit 函数无法满足我的需求。最好的方法是说，我想逐个读取 line 的每一行（即 line[1]、line[2]、...、line[n]）中的每个字符（空格或非空格），并进行一些重新排列。 - user3521631

如果不清楚您想将字符串分成什么样的部分，我的建议只能是使用 ?substr 和 ?regexp。 - r2evans

Answer 1

您可以先将代码压缩成一行，另外三行只是创建您不需要的对象。

line <- readLines("C:/MyFolder/TEXT_TO_BE_PROCESSED.txt")

如果您想知道每行有多少个以空格分隔的单词

words <- sapply(line,function(x) length(unlist(strsplit(x,split=" "))))

如果在上述代码中省略了length参数，则会得到每行单词的字符向量列表。

- JeremyS

---

我已经尝试了这些解决方案。如果省略长度参数，它会返回一个名为“words”的列表，其中包含57个元素。如果我键入words [1]，它会按单词分割并返回整个第一行。但是，我不能像我想要的那样访问特定的单词，例如：words[1][2]。 - user3521631

然后你需要查找[和[[之间的区别。要获取第一个列表条目的第一个单词，您需要使用words[[1]][1]。 - JeremyS

Answer 2

假设你使用readLines读取的数据中第一行的文本是txt。
如果你想将它分割成单独的字符串，每个字符串都是一个单词，那么可以使用strsplit函数，在每个单词之间的空格处进行拆分。

> txt <- paste0(letters[1:10], LETTERS[1:10], collapse = " ")
> txt
## [1] "aA bB cC dD eE fF gG hH iI jJ"   ## character vector of length 1
> length(txt)
[1] 1
> newTxt <- unlist(strsplit(txt, split = "\\s"))  ## split the string at the spaces
> newTxt
## [1] "aA" "bB" "cC" "dD" "eE" "fF" "gG" "hH" "iI" "jJ"
## now the text is a character vector of length 10  
> length(newTxt)
[1] 10

- Rich Scriven

---

谢谢，但那不是我需要的。我不想将向量拆分为单词。对我来说，空格非常重要，我希望每个空格也算作一个字符。在您的示例中，我正在寻找的最终产品将是一个29个字符的字符串。 - user3521631

好的，那么请使用 split = "" 替代原先的 split = "\\s"。 - Rich Scriven

@Richard Scriven 提出的解决方案解决了我的问题。我非常感激。更改分割参数是我需要完成它的。 - user3521631

Answer 3

怎么样：

con <- file(fileName, open='r')
text <- readLines(con)[[1]]

获取文件的第一行文本。

- Thys Potgieter