如何从文本文件中读取信息？

Question

如何从文本文件中读取信息？

rtext-filestext-processinglogfile-analysis

6

我有数百个文本文件，每个文件中都包含以下信息：

*****Auto-Corelation Results******
1     .09    -.19     .18     non-Significant

*****STATISTICS FOR MANN-KENDELL TEST******
S=  609
VAR(S)=      162409.70
Z=           1.51
Random : No trend at 95%

*****SENs STATISTICS ******
SEN SLOPE =  .24

现在，我想读取所有这些文件，并从每个文件中“收集”Sen的统计数据（例如.24），并将其编译到一个文件中，同时保留相应的文件名。我必须在R中完成此操作。

我已经使用CSV文件工作过，但不确定如何使用文本文件。

这是我现在正在使用的代码：

require(gtools)
GG <- grep("*.txt", list.files(), value = TRUE)
GG<-mixedsort(GG)
S <- sapply(seq(GG), function(i){
X <- readLines(GG[i])
grep("SEN SLOPE", X, value = TRUE)
})
spl <- unlist(strsplit(S, ".*[^.0-9]"))
SenStat <- as.numeric(spl[nzchar(spl)])
SenStat<-data.frame( SenStat,file = GG)
write.table(SenStat, "sen.csv",sep = ", ",row.names = FALSE)

当前代码无法正确读取所有值，导致出现此错误：

Warning message:
NAs introduced by coercion

同时，我没有得到另一列输出中的文件名。请帮忙！

诊断 1

代码也读取等号。这是print(spl)的输出结果。

 [1] ""       "5.55"   ""       "-.18"   ""       "3.08"   ""       "3.05"   ""       "1.19"   ""       "-.32"  
[13] ""       ".22"    ""       "-.22"   ""       ".65"    ""       "1.64"   ""       "2.68"   ""       ".10"   
[25] ""       ".42"    ""       "-.44"   ""       ".49"    ""       "1.44"   ""       "=-1.07" ""       ".38"   
[37] ""       ".14"    ""       "=-2.33" ""       "4.76"   ""       ".45"    ""       ".02"    ""       "-.11"  
[49] ""       "=-2.64" ""       "-.63"   ""       "=-3.44" ""       "2.77"   ""       "2.35"   ""       "6.29"  
[61] ""       "1.20"   ""       "=-1.80" ""       "-.63"   ""       "5.83"   ""       "6.33"   ""       "5.42"  
[73] ""       ".72"    ""       "-.57"   ""       "3.52"   ""       "=-2.44" ""       "3.92"   ""       "1.99"  
[85] ""       ".77"    ""       "3.01"

诊断2

我认为找到了问题所在。负号有点棘手。在一些文件中，它是

SEN SLOPE =-1.07
SEN SLOPE = -.11

由于等号后面有空格，第一个得到了NAs，但是代码读取了第二个。我该如何修改正则表达式以修复这个问题？谢谢！

- Geekuna Matata

4个回答

4

首先创建一个样本文本文件：

cat('*****Auto-Corelation Results******
1     .09    -.19     .18     non-Significant

*****STATISTICS FOR MANN-KENDELL TEST******
S=  609
VAR(S)=      162409.70
Z=           1.51
Random : No trend at 95%

*****SENs STATISTICS ******
SEN SLOPE =  .24',file='samp.txt')

然后将其读入：

tf <- readLines('samp.txt')

现在提取相应的行：

sen_text <- grep('SEN SLOPE',tf,value=T)

然后获取等号后面的值：

sen_value <- as.numeric(unlist(strsplit(sen_text,'='))[2])

然后将这些结果针对每个文件进行合并（原问题中没有提到文件结构）

- Gary Weissman

这与我的答案完全相同。 :) - Rich Scriven

@RichardScriven 好的，那么你已经有了一个非常好的答案；-) readLines 真的很酷。 - Gary Weissman

谢谢。我该如何在循环中将所有Sen值添加到单个数据框中？然后将其导出到CSV文件中，该文件基本上具有此格式（文件名，sen_value）。 - Geekuna Matata

请参考@richardscriven上面的答案，了解如何循环遍历每个文本文件。 - Gary Weissman

1

如果你的文本文件始终是那种格式（例如，Sen Slope总是在第11行），并且所有文件中的文本都相同，你只需要两行就可以完成所需操作。

char_vector <- readLines("Path/To/Document/sample.txt")
statistic <- as.numeric(strsplit(char_vector[11]," ")[[1]][5])

这将给你0.24。

然后，您可以通过apply语句或for循环迭代所有文件。

为了清晰起见：

> char_vector[11]
[1] "SEN SLOPE =  .24"

并且

> strsplit(char_vector[11]," ")
[[1]]
[1] "SEN"   "SLOPE" "="     ""      ".24"

因此，您希望从strsplit的结果中获取[[1]][5]。

- user1357015

1

步骤1：将完整的文件名保存在一个变量中：

fileNames <- dir(dataDir,full.names=TRUE)

步骤2：读取并处理其中一个文件，并确保它能给出正确的结果：

data.frame(
  file=basename(fileNames[1]), 
  SEN.SLOPE= as.numeric(tail(
    strsplit(grep('SEN SLOPE',readLines(fileNames[1]),value=T),"=")[[1]],1))
  )

第三步：在所有的fileNames上执行此操作。

do.call(
  rbind,
  lapply(fileNames, 
         function(fileName) data.frame(
           file=basename(fileName), 
           SEN.SLOPE= as.numeric(tail(
             strsplit(grep('SEN SLOPE',
                           readLines(fileName),value=T),"=")[[1]],1)
             )
           )
         )
  )

希望这能帮到你！

- Shambho

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Rich Scriven · Accepted Answer

假设"text.txt"是你的其中一个文本文件，使用readLines函数将其读入到R中，你可以使用grep函数查找包含SEN SLOPE的那一行。如果没有其他参数，grep函数将返回正则表达式所在元素的索引号码。这里我们发现它是第11行。添加value = TRUE参数以获取完整的行内容。

x <- readLines("text.txt")
grep("SEN SLOPE", x)
## [1] 11
( gg <- grep("SEN SLOPE", x, value = TRUE) )
## [1] "SEN SLOPE =  .24"

为了找到工作目录中所有的.txt文件，我们可以使用带有正则表达式的list.files。

list.files(pattern = "*.txt")
## [1] "text.txt"

遍历多个文件

我创建了第二个文本文件 text2.txt，它具有不同的 SEN SLOPE 值，以说明如何在多个文件上应用此方法。我们可以使用 sapply，然后使用strsplit来获取所需的spl值。

GG <- list.files(pattern = "*.txt")
S <- sapply(seq_along(GG), function(i){
    X <- readLines(GG[i])
    ifelse(length(X) > 0, grep("SEN SLOPE", X, value = TRUE), NA)
    ## added 04/23/14 to account for empty files (as per comment)
})
spl <- unlist(strsplit(S, split = ".*((=|(\\s=))|(=\\s|\\s=\\s))"))
## above regex changed to capture up to and including "=" and 
## surrounding space, if any - 04/23/14 (as per comment)
SenStat <- as.numeric(spl[nzchar(spl)])

接着我们可以将结果放入数据框中，并使用write.table函数将其写入文件。

( SenStatDf <- data.frame(SenStat, file = GG) )
##   SenStat      file
## 1    0.46 text2.txt
## 2    0.24  text.txt

我们可以使用以下方式将其写入文件：

write.table(SenStatDf, "myFile.csv", sep = ", ", row.names = FALSE)

更新于07/21/2014:

由于结果将被写入文件，因此可以使用以下方法使其更加简单（也更快速）：

( SenStatDf <- cbind(
      SenSlope = c(lapply(GG, function(x){
          y <- readLines(x)
          z <- y[grepl("SEN SLOPE", y)]
          unlist(strsplit(z, split = ".*=\\s+"))[-1]
          }), recursive = TRUE),
      file = GG
 ) )
#      SenSlope file       
# [1,] ".46"   "test2.txt"
# [2,] ".24"   "test.txt"

然后使用以下代码将其写入并读取到 R 中：

write.table(SenStatDf, "myFile.txt", row.names = FALSE)
read.table("myFile.txt", header = TRUE)
#   SenSlope      file
# 1     1.24 test2.txt
# 2     0.24  test.txt