使用正则表达式从带有 R 的文件夹中读取多个 csv 文件

Question

我希望使用R 从单个文件夹中读取多个csv 文件。如果我想阅读我可以使用的每个 csv 文件：

list.files(folder, pattern="*.csv")

例如，看看这些问题：

Reading multiple csv files from a folder into a single dataframe in R

Importing multiple .csv files into R

但是，我只希望一次读取文件的四个子集之一。下面是一个由四个文件组成的示例分组，每个文件用于三个模型。

JS.N_Nov6_2017_model220_N200.csv
JS.N_Nov6_2017_model221_N200.csv
JS.N_Nov6_2017_model222_N200.csv
my.IDs.alt_Nov6_2017_model220_N200.csv
my.IDs.alt_Nov6_2017_model221_N200.csv
my.IDs.alt_Nov6_2017_model222_N200.csv
parms_Nov6_2017_model220_N200.csv
parms_Nov6_2017_model221_N200.csv
parms_Nov6_2017_model222_N200.csv
supN_Nov6_2017_model220_N200.csv
supN_Nov6_2017_model221_N200.csv
supN_Nov6_2017_model222_N200.csv

如果我只想阅读，例如 parms 文件，我尝试以下方法，但不起作用：

list.files(folder, pattern="parm*.csv")

我假设我可能需要使用regex 来读取当前四个组中的给定组，但我不知道。

如何分别阅读四个组？

编辑

我不确定我是否能够从这个问题的答案中获得解决方案：

Listing all files matching a full-path pattern in R

我可能不得不花相当多的时间来复习regex 以将这些答案应用于我的问题。 Mako212 在下面提供的答案非常出色。

Answer 1

一个快速的 REGEX 101 解释：

对于匹配字符串的开头和结尾的情况，这是您在此处需要做的所有事情，以下原则适用于匹配.csv 并以parm 开头的文件：

list.files(folder, pattern="^parm.*?\\.csv")

^ 断言我们在字符串的开头，所以^parm 表示匹配parm，但前提是它位于字符串的开头。

.*? 表示匹配任何内容，直到模式的下一部分匹配。在这种情况下，匹配直到我们看到句号\\.

. 表示匹配 REGEX 中的任何字符，因此我们需要使用 \\ 对其进行转义以匹配文字 .（请注意，在 R 中您需要双转义 \\，在其他语言中需要单转义\ 就足够了）。

最后csv 表示在. 之后匹配csv。如果我们要非常彻底，我们可能会使用\\.csv$ 使用$ 来指示字符串的结尾。如果您有其他扩展名为.csv2 的文件，则需要美元符号。 \\.csv 将匹配 .csv2，而 \\.csv$ 则不会。

在您的情况下，您只需将 REGEX 模式中的 parm 替换为 JS、my 或 supN 即可选择其他文件类型之一。

最后，如果您想匹配总文件列表的一个子集，您可以使用| 逻辑“或”运算符：

list.files(folder, pattern = "^(parm|JS|supN).*?\\.csv")

这将返回除以my 开头的文件名之外的所有文件名

Answer 2

问题中显示的list.files 语句使用glob，但list.files 接受regular expressions，而不是globs。

Sys.glob 要使用 glob，请使用 Sys.glob，如下所示：

olddir <- setwd(folder)
parm <- lapply(Sys.glob("parm*.csv"), read.csv)

parm 现在是从这些文件中读取的数据帧列表。

glob2rx 请注意，glob2rx 函数可用于将 glob 转换为正则表达式：

parm <- lapply(list.files(folder, pattern = glob2rx("parm*.csv")), read.csv)