R统计：将不规则文件的子集读入数据帧

我有一个文本文件，它由4个独立的组件组成：源、用法和与数据集关联的实际数据。我想将每个组件读入一个单独的R对象

下面是文件格式的一个示例。每个文件都有关键字SOURCE、STORY、USAGE和DATASET作为分隔符

示例数据集 我的问题只是将USAGE部分作为数据帧读取。我编写了一个快速逐行解析器，它扫描文件中的关键字用法和数据集，并返回它们的行号。但是，该代码在以下情况下起作用：

Usage <- read.table(Output.File, skip= 9, nrows = 6, header = TRUE)

但这段代码没有

Usage <- read.table(Output.File, skip= Beginrow, nrows = Endrow - Beginr4w, header = TRUE)

如何使read.table或任何其他函数允许使用变量skip和行数？或者，是否有一种更简单的方法将USAGE和DATASET之间的数据作为数据表读入

---

用法将始终有4列，标题名称与上述文件中的标题名称相同，但用法行数可以从1到任意数字。

其思想是，首先您必须设法选择字符串中包含相关数据的所需部分，然后从该子字符串中读取csv。在下面的解决方案中，strsplit函数用于获取USAGE和DATASE之间的部分，不管有多少行。我基本上把绳子分成了方便的几段。您可以通过以下网址了解更多信息：

---

这里有一个可扩展的方法。首先，用readline将整个文件读入一个变量。我将在这里使用textConnection进行复制，但您应该从文件中读取

x <- readLines(con=textConnection('
SOURCE
Boxofficemojo.com

STORY
These lines, of variable length and number, would contain the story behind the dataset.

USAGE
"Course"    "Year"  "Section"   "Exercise"
"Course1"   5   9   "ex 3"
"Course1"   5   9   "ex 4"
"Course1"   5   9   "ex 5"
"Course2"   5   9   "ex 3"
"Course2"   5   9   "ex 4"

DATASET
Dataset with headers follows.'))

---

您也可以选择删除尾随的空字符串，可能在呈现数据时，数据中有x2之类的内容，您只需要skip=7I就可以从稍微不同的文件粘贴代码。我最终会在很多文件上运行这个。代码仅仅是为了表明它在硬编码时工作，但在使用变量时失败。好吧，区别必须在其他地方-它不能是变量与硬编码，因为没有这样的区别。如果你正确计算了skip和nrows，那么你的第二个版本就可以了。可能是Endrow中的一个拼写错误-Beginr4w你可能是指BeginrRow而不是Beginr4w-你说你粘贴了它，所以我假设拼写错误在原始版本中。这很有效。我希望我在R方面足够好，能够理解上面75%的内容，而我目前还没有，所以谢谢你！如果要限制标签的实际名称，这将如何工作？也就是说，不是在所有大写字母中查找所有内容，而是查找特定的关键字？x3[namesx3%in%cUSAGE，DATASET]会将其简化为两个。这种方法有点暴力，这意味着如果你的文件很大，那么效率就会下降。如果是这样的话，在R之外做过滤会更好。也许readLinespipesed-ne'/USAGE/，/DATASET/p'ProfessorE.txt就是一个开始。

str <- 'SOURCE
Boxofficemojo.com

STORY
These lines, of variable length and number, would contain the story behind the dataset.

USAGE
"Course"    "Year"  "Section"   "Exercise"
"Course1"   5   9   "ex 3"
"Course1"   5   9   "ex 4"
"Course1"   5   9   "ex 5"
"Course2"   5   9   "ex 3"
"Course2"   5   9   "ex 4"

DATASET
Dataset with headers follows.'

# get the desired part of the string
datasetStr <- strsplit(paste0(strsplit(str, 'USAGE')[[1]][2]), 'DATASET')[[1]][1]
# read it as data frame
df <- read.csv(text = datasetStr, sep = '\t')

> df
  Course....Year..Section...Exercise
1             Course1   5   9   ex 3
2             Course1   5   9   ex 4
3             Course1   5   9   ex 5
4             Course2   5   9   ex 3
5             Course2   5   9   ex 4

x <- readLines(con=textConnection('
SOURCE
Boxofficemojo.com

STORY
These lines, of variable length and number, would contain the story behind the dataset.

USAGE
"Course"    "Year"  "Section"   "Exercise"
"Course1"   5   9   "ex 3"
"Course1"   5   9   "ex 4"
"Course1"   5   9   "ex 5"
"Course2"   5   9   "ex 3"
"Course2"   5   9   "ex 4"

DATASET
Dataset with headers follows.'))

head(x)
# [1] ""                                                                                       
# [2] "SOURCE"                                                                                 
# [3] "Boxofficemojo.com"                                                                      
# [4] ""                                                                                       
# [5] "STORY"                                                                                  
# [6] "These lines, of variable length and number, would contain the story behind the dataset."
allcaps <- grep("^[A-Z]+$", x)
if (allcaps[1] > 1) x <- x[-(1:(allcaps[1]-1))]

str( x2 <- split(x, cumsum(grepl("^[A-Z]+$", x))) )
# List of 4
#  $ 1: chr [1:3] "SOURCE" "Boxofficemojo.com" ""
#  $ 2: chr [1:3] "STORY" "These lines, of variable length and number, would contain the story behind the dataset." ""
#  $ 3: chr [1:8] "USAGE" "\"Course\"    \"Year\"  \"Section\"   \"Exercise\"" "\"Course1\"   5   9   \"ex 3\"" "\"Course1\"   5   9   \"ex 4\"" ...
#  $ 4: chr [1:2] "DATASET" "Dataset with headers follows."

str( x3 <- setNames(lapply(x2, `[`, -1L),
                    sapply(x2, `[`, 1L)) )
# List of 4
#  $ SOURCE : chr [1:2] "Boxofficemojo.com" ""
#  $ STORY  : chr [1:2] "These lines, of variable length and number, would contain the story behind the dataset." ""
#  $ USAGE  : chr [1:7] "\"Course\"    \"Year\"  \"Section\"   \"Exercise\"" "\"Course1\"   5   9   \"ex 3\"" "\"Course1\"   5   9   \"ex 4\"" "\"Course1\"   5   9   \"ex 5\"" ...
#  $ DATASET: chr "Dataset with headers follows."

x3$USAGE <- read.table(textConnection(x3$USAGE), header=TRUE)
str(x3)
# List of 4
#  $ SOURCE : chr [1:2] "Boxofficemojo.com" ""
#  $ STORY  : chr [1:2] "These lines, of variable length and number, would contain the story behind the dataset." ""
#  $ USAGE  :'data.frame':  5 obs. of  4 variables:
#   ..$ Course  : Factor w/ 2 levels "Course1","Course2": 1 1 1 2 2
#   ..$ Year    : int [1:5] 5 5 5 5 5
#   ..$ Section : int [1:5] 9 9 9 9 9
#   ..$ Exercise: Factor w/ 3 levels "ex 3","ex 4",..: 1 2 3 1 2
#  $ DATASET: chr "Dataset with headers follows."