R - 使用正则表达式查找/替换换行符

Question

我正在尝试使用正则表达式清理文件夹中的一堆 .txt 文件。我似乎无法让 R 找到换行符。

这是我正在使用的代码。它适用于字符替换，但不适用于换行符。

gsub_dir(dir = "folder_name", pattern = "\\n", replacement = "#")

我也尝试过 \r 和其他各种排列。使用纯文本编辑器，我发现所有换行符都带有 \n。

Answer 1

xfun::gsub_dir 无法做到这一点。

看看source code：

• 使用基本上执行x = readLines(con, encoding = 'UTF-8', warn = FALSE)的read_utf8读入文件，
• 然后，gsub 被输入这些行，当所有替换完成后，
• write_utf8 function 将各行...与 LF、换行符、符号连接起来。

您需要为此使用一些自定义函数，这里是“快速而肮脏”的函数，它将用 # 替换所有 LF 符号：

lbr_change_gsub_dir = function(newline = '\n', encoding = 'UTF-8', dir = '.', recursive = TRUE) {
 files = list.files(dir, full.names = TRUE, recursive = recursive)
 for (f in files) {
   x = readLines(f, encoding = encoding, warn = FALSE)
   cat(x, sep = newline, file = f)
 }
}

folder <- "C:\\MyFolder\\Here"
lbr_change_gsub_dir(newline="#", dir=folder)

如果您希望能够匹配多行模式，请将paste 行collape与newline 匹配并使用您喜欢的任何模式：

lbr_gsub_dir = function(pattern, replacement, perl = TRUE, newline = '\n', encoding = 'UTF-8', dir = '.', recursive = TRUE) {
 files = list.files(dir, full.names = TRUE, recursive = recursive)
 for (f in files) {
   x <- readLines(f, encoding = encoding, warn = FALSE)
   x <- paste(x, collapse = newline)
   x <- gsub(pattern, replacement, x, perl = perl)
   cat(x, file = f)
 }
}

folder <- "C:\\1"
lbr_gsub_dir("(?m)\\d+\\R(.+)", "\\1", dir = folder)

这将删除仅数字行之后的行。