在R中，如何从CSV文件名中删除一些不需要的字符并提取日期？

我有一个文件夹，其中包含大约2000个csv，文件名中包含字符“

[]

”-例如：

[住宅]20151001\u 0000\u 1.csv

我想：

• 从名称中删除“[]”，这样我们的文件名为：
  住宅区\u 20151001\u 0000\u 1.csv
  并将新文件放置在新文件夹中

• 在跳过每个文件的第一行后，将在一个数据帧（无标题）中读取该新文件夹中的所有文件

• 同时在新向量as列表中提取20151001作为日期（例如2015-10-01），以便新向量为：
  文件名日期
  住宅区\u 20151001\u 0000\u 1.csv 2015-10-01

按顺序：

• 在谷歌搜索

  r后，替换字符串的一部分

  我发现：。这应该会让你为这个问题做好准备
• 要跳过第一行，请阅读

  read.csv

  的文档。您将在那里找到

  skip

  参数
• 请查看

  strftime

  /

  strftime

  功能。或者，查看一下润滑油

  lubridate

---

此代码将回答您的第一个问题，尽管在逻辑上有一个小小的变化。 首先，让我们通过将包含

[]

的所有

csv

复制到另一个文件夹来创建备份。例如，如果您的

csv

位于目录

“/Users/xxxx/Desktop/Sub”

，我们将把它们复制到文件夹

Backup

所以,

library(stringr)
library(tools)
setwd("/Users/xxxx/Desktop/Sub")
dir.create("Backup")
files<-data.frame(file=list.files(path=".", pattern = "*.csv"))
for (f in files)
file.copy(from= file.path("/Users/xxxx/Desktop/Sub", files$file), to= "/Users/xxxx/Desktop/Sub/Backup")

现在让我们重命名文件以删除“[]”。这里的想法是用名称替换文件：

for ( f in files$file)
file.rename(from=file.path("/Users/xxxx/Desktop/Sub", files$file), 
            to=file.path("/Users/xxxx/Desktop/Sub",files$Name))

您现在已重命名文件。如果运行：

list.files（path=“.”，pattern=“*.csv”）

您将获得新文件：

"Residential_20150928_0000_4.csv" 
"Residential_20151001_0000_1.csv" 
"Residential_20151101_0000_3.csv"
"Residential_20151121_0000_2.csv" 
"Residential_20151231_0000_5.csv"

---

试试看

是的，Akrun，因为它们都与一个大问题相关，转换文件名，存储在单独的文件夹中，读取到不应该有标题的数据框中，并在读取时跳过每个CSV的第一行。这听起来很像你希望SO社区为你做你的工作……好吧，伙计们，别这么认为。。。如果你帮不上忙，至少不要说我希望别人做我的工作。如果我能自己做的话，我就不会在stackoverflow上发布我的问题。我需要帮助，非常感谢你的想法，否则，你可以随身携带。你受到了一些批评@ManojKumar，因为你问的问题在谷歌上比较容易。我添加了一个关于如何查找所需信息的答案。lubridate函数可以处理数据，而不是文件名。谢谢保罗的帮助。我不太明白你在这里的意思

lubridate

包含可以将字符串文件名转换为日期对象的函数。要使此代码直接为您工作，只需更改工作目录以适合您的目录并执行即可。享受：）谢谢汤姆·马克斯。我在上面。如果有任何问题，将恢复。我在$newname文件行中稍微更改了我的代码。不要忘记包。使用的包是“stringr”和“tools”。我使用了以下函数：files$NewName1

for ( f in files$file)
file.rename(from=file.path("/Users/xxxx/Desktop/Sub", files$file), 
            to=file.path("/Users/xxxx/Desktop/Sub",files$Name))

"Residential_20150928_0000_4.csv" 
"Residential_20151001_0000_1.csv" 
"Residential_20151101_0000_3.csv"
"Residential_20151121_0000_2.csv" 
"Residential_20151231_0000_5.csv"