r语言 - 将文本行拆分并分类为一个表

Question

我有一个长字文档，其中列出了如下项目:

1. 项目1
   • entry1
   • entry2
   • entry3
2. 项目2
   • entry1
   • entry2
   • entry3
3. (等)

条目是物种名称，条目是对应的位置和日期信息，但现在这些都不重要了。

我正试图把这个非常长的文档变成一个合理的表/标题对象在R中，我的想法是使用:

library (stringr)
data <- readLines("data.txt")
test_data <- str_sub(data, 1, 3)

，然后用"Item"数据"中每个元素的标识(即每个日期+地点对应的物种)。我试图为此使用for循环并测试每行是否以&quot开头;";或不，但我卡住了。

results <- vector (length = length(data))
for (i in 1:length(data)) {
if (test_data[i] != "   ") {
results[i] = data[i]
} else {
while #here I am stuck

谢谢

Answer 1

我想我已经有东西可以开始了。其思想是将文本文件加载为单个长字符串，然后将其分解为对应于Item +条目的片段，并将其存储在列表中。最后，在列表中使用lapply来分隔Item和entries。

filename <- "test.txt"
# read your file a single long string
step1 <- readChar(filename, file.info(filename)$size)
# find the pattern that separate each Item (from a copy/paste of the example it is "rnrn") and make a list of items
# with associated entries
step2 <- as.list(unlist(strsplit(step1, split = "rnrn")))
# lastly split the vectors from step2
step3 <- lapply(step2, function(x) unlist(strsplit(x, split = "rn    ")))

输出:

> step3
[[1]]
[1] "Item 1" "entry1" "entry2" "entry3"
[[2]]
[1] "Item 2" "entry1" "entry2" "entry3"

从这里你可以开始使用" usually "清理和组织数据的工具，例如

df <- as.data.frame(do.call(rbind, step3))
df <- tidyr::pivot_longer(df, 2:ncol(df))
df <- df[, -2]
names(df) <- c("Items", "Entries")
df
# A tibble: 6 x 2
Items  Entries
<chr>  <chr>  
1 Item 1 entry1 
2 Item 1 entry2 
3 Item 1 entry3 
4 Item 2 entry1 
5 Item 2 entry2 
6 Item 2 entry3 

Answer 2

这是一个基于"每个条目以12个空格开始"这一事实的整洁宇宙方法。

# fake data
obj <- c("Item 1",
"            entry1",
"            entry2",
"            entry3",
"            entry4",
"Item 2",
"            entry1",
"            entry2",
"            entry3"
)
writeLines(obj, con = "data2.txt")

# read in and convert
library(tidyverse)
dat <- readLines("data.txt", skipNul = TRUE)
dat |>
enframe() |>
separate(
value,
into = c("item", "entry"),
sep = "\s{12}",
convert = TRUE,
fill = "right"
) |>
mutate(item = na_if(item, "")) |>
fill(item, .direction = "down") |>
filter(!(is.na(entry)))