过滤带有模式的文件

Question

我想从一个有很多文件的目录中读取几个文件。我发现第一个过滤器比较快，所以仍然只显示某些文件。

dir(
  path = "m:/"
  ,pattern = "bestand|bewegung\.dat|txt$"
)

结果我得到以下列表：

kosis_bewegung_01022018.txt
kosis_bewegung_01022018_fehlerliste.txt
kosis_bewegung_01022019.dat
kosis_bewegung_01022019_fehlerliste.dat
kosis_bestand_01022018.txt
kosis_bestand_01022018_fehlerliste.txt
kosis_bestand_01022019.dat
kosis_bestand_01022019_fehlerliste.dat

现在我还想隐藏包含“fehlerliste”的文件。

如何为此调整过滤器？ 一步到位有可能吗？

Answer 1

我会这样做：

1. 用bestand|bewegung\.dat|txt$获取文件名
2. 删除包含fehlerliste的文件

使用dplyr 链接看起来更整洁：

library(dplyr)
files = grep(list.files(path = "m:/"),
             pattern = "bestand|bewegung\.dat|txt$", 
             value = TRUE)) %>%
        grep(list.files(path = "m:/"), 
             pattern = "fehlerliste", 
             invert = TRUE, value = TRUE))

如果你不想使用dplyr 那么：

files = grep(list.files(path = "m:/"), 
             pattern = "bestand|bewegung\.dat|txt$",
             value = TRUE))
files = grep(list.files(path = "m:/"),
             pattern = "fehlerliste",
             invert = TRUE, value = TRUE))

Answer 2

R 正则表达式支持negative lookahead assertions，所以以下应该可以工作：

dir(
  path = "m:/"
  ,pattern = "^(?!.*fehlerliste).*(?:bestand|bewegung).*\.(?:dat|txt)$"
)

注意我用来隔离交替的非捕获组。否则，任何以txt 结尾的文件名都会匹配。

说明：

^                     # Start of string
(?!.*fehlerliste)     # Assert that "fehlerliste" doesn't occur in the string  
.*                    # match any number of characters
(?:bestand|bewegung)  # match "bestand" or "bewegung"
.*                    # match any number of characters
\.                    # match a dot
(?:dat|txt)           # match "dat" or "txt"
$                     # End of string