从前几行提取值，然后跳过以读取.txt文件 [英] Extract values from first few lines then skip for reading .txt file

问题描述

假设我有两个文件，file1.txt和file2.txt，如下所示：

file1.txt

blablabla
lorem ipsum
year: 2007
Jan Feb Mar 
1   2   3
4   5   6

file2.txt

blablabla
lorem ipsum
year: 2008
Jan Feb Mar 
7   8   9
10  11  12

我可以使用purrr::map_df(read_table,skip=3)读取这些文件 但我想要做的是从每个文件中提取年份，并将其分配到新的年份列中，这样我的最终数据框就会如下所示：

Jan Feb Mar Year
1   2   3   2007
4   5   6   2007
7   8   9   2008
10  11  12  2008

我希望先使用readr::read_lines，然后使用readr::read_table，但不知道具体如何操作。

推荐答案

Base R通过readLines：

实现流连接

f <- function(path) {
    ## Open connection and close on exit
    zzz <- file(path, open = "rt")
    on.exit(close(zzz))
    ## Read first three lines into character vector and extract year
    y <- as.integer(gsub("\D", "", readLines(zzz, n = 3L)[3L]))
    ## Read remaining lines into data frame
    d <- read.table(zzz, header = TRUE)
    d$Year <- y
    d
}

nms <- c("file1.txt", "file2.txt")
do.call(rbind, lapply(nms, f))

  Jan Feb Mar Year
1   1   2   3 2007
2   4   5   6 2007
3   7   8   9 2008
4  10  11  12 2008

我不清楚readr是否有此功能：

library("readr")
zzz <- file("file1.txt", open = "rb")

read_lines(zzz, skip = 2L, n_max = 1L)
## [1] "year: 2007"

read_table(zzz)
## # A tibble: 0 × 0

close(zzz)

尽管我们只向file1.txt的第三行请求read_lines，但它似乎(不可见地)读取了所有行，没有为read_table留下任何内容。

另一方面，thisGitHub问题是在去年修复的，所以在readr的最新发布版本中没有看到对流连接的支持是很奇怪的。也许我错过了什么.？

这篇关于从前几行提取值，然后跳过以读取.txt文件的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！