读取带引号和正则表达式 R 的 csv 文件

Question

ne,class,regex,match,event,msg
BOU2-P-2,"tengigabitethernet","tengigabitethernet(?'connector'\d{1,2}\/\d{1,2})","4/2","lineproto-5-updown","%lineproto-5-updown: line protocol on interface tengigabitethernet4/2, changed state to down"

这些是前两行，第一行将用作列名，全部用逗号分隔，除第一行外，所有值都用引号引起来，我认为这会造成麻烦。

我对 columns 类和 msg 感兴趣，所以这个输出就足够了：

class              msg
tengigabitethernet %lineproto-5-updown: line protocol on interface tengigabitethernet4/2, changed state to down

但我也可以导入所有列，然后取消选择我不想要的列，不用担心。

数据来自提供给我的 .csv 文件。 如果我在 excel 中打开这个文件，这些列都是合二为一的。 我在法国工作，但我不知道文件是在哪个语言环境或编码中创建的（顺便说一句，我不是法国人，所以我不太熟悉这些）。

我试过了

df <- read.csv("file.csv", stringsAsFactors = FALSE)

数据框的列名很好地分开，但值都在第一个

然后用

    library(readr)
df <- read_delim('file.csv', 
           delim = ",", 
           quote = "",
           escape_double = FALSE, 
           escape_backslash = TRUE)

但是这样正则表达式列被分成两列，所以我完全失去了 msg 变量。

有

    library(data.table)
df <- fread("file.csv")

我得到 msg 变量存在但为空，因为 ne 变量包含 ne 和 class，用逗号分隔。 这是目前最好的输出，因为我可以对其进行操作以获得所需的输出。

另一种选择是使用 readLines 将文件加载为字符向量来修复它，但我不是正则表达式专家，所以我一无所知。 该文件也是 300k 行，因此很难检查它。

read.delim 和 fread 都提供警告消息，如果它们可能有用，我可以包含它们。

更新：

使用

library(data.table)
df <- fread("file.csv", quote = "")

给我一​​个更容易操作的输出，它将正则表达式和 msg 列一分为二，但 ne 和 class 是不同的

Answer 1

我尝试了您使用read.csv 提供的输入并且没有问题；当子集每一列是可访问的。至于您的其他选项，您的报价选项错误，它必须是"\""；双引号字符需要转义，即：df <- fread("file.csv", quote = "\"")。 在您的示例中使用read.csv 时，我肯定会得到一个包含 1 行和 6 列的数据框：

df <- read.csv("file.csv")
nrow(df)
# Output result for number of rows
# > 1
ncol(df)
# Output result for number of columns
# > 6

tmp$ne
# > "BOU2-P-2"
tmp$class
# > "tengigabitethernet"
tmp$regex
# > "tengigabitethernet(?'connector'\\d{1,2}\\/\\d{1,2})"
tmp$match
# > "4/2"
tmp$event
# > "lineproto-5-updown"
tmp$msg
# > "%lineproto-5-updown: line protocol on interface tengigabitethernet4/2, changed state to down"