Regex 使用R读取文本字段中包含无引号换行符的文件

我试图将一个大表读入R，但其中一个文本字段偶尔包含一个或多个未引用、未转义的换行符（

\n

），因此

read.table（）

函数无法轻松导入此文件。文件以管道分隔，文本字段不带引号

如果我用

read.table（）

传递参数

fill=T

，我可以读入它，但是，当然，文本字段中带有换行符的行会因此而损坏

我已经成功地使用了

F100MB，所以
gsub（）
只不过是把我的笔记本电脑变成了一个暖手器（在我写这篇文章时，它仍在尝试gsub所有的换行符）

有人对如何有效地读取这样的文件有什么建议吗

似乎应该有某种方法告诉R在等待换行符之前等待一定数量的分隔符，但我在文档中找不到任何方法来做到这一点

抱歉，这看起来应该很容易，但这真的让我很困惑，我还没有在stackoverflow或google中找到任何解决方案

以下是我迄今为止尝试过的代码：

尝试1：

fdat = read.table(file=fname, 
            allowEscapes=F,
            stringsAsFactors=F,
            quote="", 
            fill=T,
            strip.white=T,
            comment.char="",
            header=T, 
            sep="|")

尝试2：

f <- readChar(fname, nchars=file.info(fname)["size"], TRUE)
f2 = gsub(pattern="\n(?!NCT)",replacement=" ",x=f, perl=T)
fdat = read.table(text=f2,
            allowEscapes=F,
            stringsAsFactors=F,
            quote="", 
            fill=F,
            strip.white=T,
            comment.char="",
            header=T, 
            sep="|")

可以看到，我的问题文件中的示例行包括标题（第1行）、问题行（第2行）和非问题行（第3行）。每个非标题行以NCT开头，以\n结尾（这在gsub的正则表达式中得到了利用）

非常感谢您的任何建议。
似乎没有办法使用
read.table
解决此问题。不幸的是，它不允许像awk那样更改“记录分隔符”

尝试2失败，因为DOS格式换行符是\r\n（0x0d 0x0a），并且只有\n与
gsub
匹配。假设您有以下文件：

NCTa|b|c
NCT1|how
are
you?|well
NCT2|are
you
sure?|yes

然后查看第二个命令的输出：

f2 <- gsub(pattern="\n(?!NCT)",replacement=" ",x=f, perl=TRUE)
f2
# [1] "NCTa|b|c\r\nNCT1|how\r are\r you?|well\r\nNCT2|are\r you\r sure?|yes\r "

它会起作用的

关于性能，您可以尝试
readChar
在一个循环中通过较小的块来读取它，
gsub
将它们写回文件，然后
read.table
读取它。这只是一个想法。
知道正则表达式模式不能在dos下正常工作是很有趣的；除了执行时间外，它在我的mac电脑上运行良好。
f2 <- gsub(pattern="\n(?!NCT)",replacement=" ",x=f, perl=TRUE)
f2
# [1] "NCTa|b|c\r\nNCT1|how\r are\r you?|well\r\nNCT2|are\r you\r sure?|yes\r "

f2 <- gsub(pattern="\r?\n(?!NCT)",replacement=" ",x=f, perl=TRUE)