如何删除 R 向量中空格之前或之后的元素

Question

我有大约 200 个.txt的歌词文件，格式与此类似

Useless info
useless info

First Verse
First Verse
Second Verse
Second Verse

useless info

我想将它们全部读入 R 以进行一些文本挖掘。我的想法是用readLines读出它们，然后在第一个和最后一个空白行之前从该向量中删除元素。这就是我目前所拥有的。

lines <- readLines(txtfile)
lines
> "Useless info" "useless info" "" "" "First Verse" "First Verse" 
> "" "" "Second Verse" "Second Verse" "" "" "useless info"

如果我要对解决方案进行硬编码，我只会lines[5:6,8:9]元素并将其分配给一个新变量，但由于歌词有时有两节，有时有三节，我希望有一个解决方案可以去掉第一个双"之前和最后一个双"之后的元素">

如果我做错了，有人有更好的主意，我也很乐意听到！

更新："无用的信息">

行并不是字面意思是"无用的信息"，它们是歌词和标签的文件路径，所以出于分析原因，它们对我来说毫无用

处

Answer 1

在基本 R 中：

sapply(strsplit(paste(lines, collapse = "&esc;"), "(&esc;){2,3}"), 
function(x) paste0(gsub("&esc;", "n", x[-c(1, length(x))]), collapse = "nn"))
# [1] "First VersenFirst VersennSecond VersenSecond Verse"

当打印或写入文本文件时，会给出

First Verse
First Verse
Second Verse
Second Verse

Answer 2

我们可以创建一个分组变量，rleid

library(data.table)
lst1 <- split(lines, rleid(nzchar(lines)))
lst2 <- lst1[-c(1, length(lst1))]
out  <- unlist(lst2[sapply(lst2, function(x) all(nzchar(x)))], use.names = FALSE)
out
#[1] "First Verse"  "First Verse"  "Second Verse" "Second Verse"

数据

lines <- c("Useless info", "useless info", "", "", "First Verse", "First Verse", 
"", "", "Second Verse", "Second Verse", "", "", "useless info"
)

Answer 3

最好的解决方案可能取决于你的进一步处理方式，例如，你是否想保留经文信息(@akrun的rleid在那里会很有用(，将所有内容折叠成一个字符串，等等。 根据文件布局，您可以删除第一个非空元素和最后一个元素，然后删除介于两者之间的所有空元素：

# optional: read file _textfile_ with `data.table::fread`
lines <- data.table::fread(text="textfile", header=FALSE, sep=NULL, colClasses='character')$V1
first.empty <- which(!nzchar(lines))[1] # determine where to start
lines <- lines[first.empty:(length(lines)-1)] # also remove last element
lines <- lines[nzchar(lines)] # remove empty elements
lines
# or with `magrittr` pipe:
lines[first.empty:(length(lines)-1)] %>% .[nzchar(.)]