我正在尝试处理一个名为.TextGrid的"分段文件"(由Praat程序生成)。)
原始格式如下：
File type = "ooTextFile"
Object class = "TextGrid"
xmin = 0
xmax = 243.761375
tiers? <exists>
size = 17
item []:
item [1]:
class = "IntervalTier"
name = "phones"
xmin = 0
xmax = 243.761
intervals: size = 2505
intervals [1]:
xmin = 0
xmax = 0.4274939687384032
text = "_"
intervals [2]:
xmin = 0.4274939687384032
xmax = 0.472
text = "v"
intervals [3]:
[...]
(然后将其重复为EOF，文件中n个项(注释层)的间隔为[3到n]。
有人提出了一个使用rPython R包的解决方案。
不幸的是：
- 我对Python没有很好的了解
- rPython版本不适用于R.3.0.2(我正在使用)
- 我的目标是专门在R环境下为我的分析开发这个解析器
现在我的目标是将这个文件分割成多个数据帧。每个数据帧应该包含一个项(注释层)。
# Load the Data
txtgrid <- read.delim("./xxx_01_xx.textgrid", sep=c("=","n"), dec=".", header=FALSE)
# Erase White spaces (use stringr package)
txtgrid[,1] <- str_trim(txtgrid[,1])
# Convert row.names to numeric
num.row<- as.numeric(row.names(txtgrid))
# Redefine the original textgrid and add those rows (I want to "keep them in case for later process)
txtgrid <- data.frame(num.row,txtgrid)
colnames(txtgrid) <- c("num.row","object", "value")
head(txtgrid)
head(txtgrid)的输出非常原始，因此这里是文本网格txtgrid[1:20,]:的前20行
num.row object value
1 1 File type ooTextFile
2 2 Object class TextGrid
3 3 xmin 0
4 4 xmax 243.761375
5 5 tiers? <exists>
6 6 size 17
7 7 item []:
8 8 item [1]:
9 9 class IntervalTier
10 10 name phones
11 11 xmin 0
12 12 xmax 243.761
13 13 intervals: size 2505
14 14 intervals [1]:
15 15 xmin 0
16 16 xmax 0.4274939687384032
17 17 text _
18 18 intervals [2]:
19 19 xmin 0.4274939687384032
20 20 xmax 0.472
现在我预处理了它，我可以：
# Find the number of the rows where I want to split (i.e. Item)
tier.begining <- txtgrid[grep("item", txtgrid$object, perl=TRUE), ]
# And save those numbers in a variable
x <- as.numeric(row.names(tier.begining))
这个变量x给了我编号-1，其中我的数据应该被拆分为几个数据帧。
我有18个项目-1(第一个项目是项目[]，包括所有其他项目。所以向量x是：
x
[1] 7 8 10034 14624 19214 22444 25674 28904 31910 35140 38146 38156 38566 39040 39778 40222 44800
[18] 45018
我如何告诉R：在多个数据帧textgrids$nameoftheItem中对该数据帧进行分段，以获得与项目数量一样多的数据帧？，例如：
textgrid$phones
item [1]:
class = "IntervalTier"
name = "phones"
xmin = 0
xmax = 243.761
intervals: size = 2505
intervals [1]:
xmin = 0
xmax = 0.4274939687384032
text = "_"
intervals [2]:
xmin = 0.4274939687384032
xmax = 0.472
text = "v"
[...]
intervals [n]:
textgrid$syllable
item [2]:
class = "IntervalTier"
name = "syllable"
xmin = 0
xmax = 243.761
intervals: size = 1200
intervals [1]:
xmin = 0
xmax = 0.500
text = "ve"
intervals [2]:
[...]
intervals [n]:
textgrid$item[n]
我想使用
txtgrid.new <- split(txtgrid, f=x)
但这个信息是正确的：
Warning message: In split.default(x = seq_len(nrow(x)), f = f, drop = drop, ...) : data length is not a multiple of split variable
我没有得到所需的输出，似乎行号不在一起，文件都混在一起了。
我还尝试了一些which、daply(来自plyr)&subset功能，但始终无法正常工作！
我欢迎任何正确构建这些数据的想法&高效。理想情况下，我应该能够在它们之间链接项(注释层)(不同层的xmin&xmax)，以及多个文本网格文件，这只是开始。
split矢量的长度应等于data.frame中的行数。
尝试以下操作：
txtgrid.sub <- txtgrid[-(1:grep("item", txtgrid$object)[1]), ]
grep("item", txtgrid.sub$object)[-1]
splits <- unlist(mapply(rep, seq_along(grep("item", txtgrid.sub$object)),
diff(c(grep("item", txtgrid.sub$object),
nrow(txtgrid.sub) + 1))))
df.list <- split(txtgrid.sub, list(splits))
编辑：
然后你可以通过这样做来简化数据：
l <- lapply(df.list, function(x) {
tmp <- as.data.frame(t(x[, 3, drop=FALSE]), stringsAsFactors=FALSE)
names(tmp) <- make.unique(make.names(x[, 2]))
tmp
})
library(plyr)
do.call(rbind.fill, l)
item..1.. class name xmin xmax intervals..size
1 <NA> IntervalTier phones 0 243.761 2505
2 <NA> IntervalTier syllable 0 243.761 2505
intervals..1.. xmin.1 xmax.1 text intervals..2..
1 <NA> 0 0.4274939687384032 _ <NA>
2 <NA> 0 0.4274939687384032 _ <NA>
xmin.2 xmax.2
1 0.4274939687384032 0.472
2 <NA> <NA>
注意：我在上面使用了伪数据。
您似乎在其他地方找到了一个很好的解决方案，但我想我还不如把它放在这里作为参考：
我最近完成了Praat对象的JSON转换器的第一个工作版本，本可以用于此。您可以使用此插件中包含的脚本save_as_json.praat将TextGrid保存为JSON文件(同样：我是该插件的作者)。
从这个类似问题的另一个答案复制而来，一旦你安装了插件，你就可以使用Praat中Save菜单中的脚本，或者从另一个脚本中像这样运行它：
runScript: preferencesDirectory$ + "/plugin_jjatools/save_as_json.praat",
..."/output/path", "Pretty printed"
完成后，您可以使用rjson将其读取到R中，如下所示：
> library(rjson)
> tg <- fromJSON(file='/path/to/your_textgrid.json')
> str(tg)
List of 5
$ File type : chr "json"
$ Object class: chr "TextGrid"
$ start : num 0
$ end : num 1.82
$ tiers :List of 2
..$ :List of 5
.. ..$ class : chr "IntervalTier"
.. ..$ name : chr "keyword"
.. ..$ start : num 0
.. ..$ end : num 1.82
.. ..$ intervals:List of 3
.. .. ..$ :List of 3
.. .. .. ..$ start: num 0
.. .. .. ..$ end : num 0.995
.. .. .. ..$ label: chr ""
.. .. ..$ :List of 3
.. .. .. ..$ start: num 0.995
.. .. .. ..$ end : num 1.5
.. .. .. ..$ label: chr "limite"
.. .. ..$ :List of 3
.. .. .. ..$ start: num 1.5
.. .. .. ..$ end : num 1.82
.. .. .. ..$ label: chr ""
..$ :List of 5
.. ..$ class : chr "IntervalTier"
.. ..$ name : chr "segments"
.. ..$ start : num 0
.. ..$ end : num 1.82
.. ..$ intervals:List of 8
.. .. ..$ :List of 3
.. .. .. ..$ start: num 0
.. .. .. ..$ end : num 0.995
.. .. .. ..$ label: chr ""
.. .. ..$ :List of 3
.. .. .. ..$ start: num 0.995
.. .. .. ..$ end : num 1.07
.. .. .. ..$ label: chr "l"
.. .. ..$ :List of 3
.. .. .. ..$ start: num 1.07
.. .. .. ..$ end : num 1.15
.. .. .. ..$ label: chr "i"
.. .. ..$ :List of 3
.. .. .. ..$ start: num 1.15
.. .. .. ..$ end : num 1.23
.. .. .. ..$ label: chr "m"
.. .. ..$ :List of 3
.. .. .. ..$ start: num 1.23
.. .. .. ..$ end : num 1.28
.. .. .. ..$ label: chr "i"
.. .. ..$ :List of 3
.. .. .. ..$ start: num 1.28
.. .. .. ..$ end : num 1.37
.. .. .. ..$ label: chr "t"
.. .. ..$ :List of 3
.. .. .. ..$ start: num 1.37
.. .. .. ..$ end : num 1.5
.. .. .. ..$ label: chr "e"
.. .. ..$ :List of 3
.. .. .. ..$ start: num 1.5
.. .. .. ..$ end : num 1.82
.. .. .. ..$ label: chr ""
或者使用例如tg$tiers[[tier_number]]$intervals[[interval_number]]。