加载 15 列用空格分隔但最后一列包含空格的日志答案

【问题标题】：Load Log With 15 Columns Separated By Spaces But Last Column Contains Spaces加载 15 列用空格分隔但最后一列包含空格的日志
【发布时间】：2013-04-23 09:34:57
【问题描述】：

我有一个日志文件，其中有 15 列以空格分隔，但日志文件中的最后一列是电子邮件主题行并包含空格。我不确定如何将这样的文件读入 R。最后一列看起来像：SUBJ:X XXX XXX XXX XXX XXX 我知道如何使用 read.table 读取以空格分隔的文件，但鉴于最后一列，我不确定该怎么做。

【问题讨论】：

日志文件是否是固定宽度？
不，它包含电子邮件信息。宽度各不相同。

标签： r shell logging csv read.table

【解决方案1】：

使用 readLines 将其读入，然后使用 gsub 将前 14 个空格替换为逗号。

这通过一个简单的例子展示了如何做到这一点：

  gsub("^(\\w\\s)(\\w\\s)(\\w\\s)(\\w\\s)", "\\1,\\2,\\3,\\4," , 
                                 paste(letters[1:8], collapse=" ") )
  [1] "a ,b ,c ,d ,e f g h"

【讨论】：

【解决方案2】：

如果最后一列总是以“SUBJ”开头，你也许可以使用这样的东西。

对于本例，我们将创建一个名为“myFile”的示例文件：

cat("aaaa bbb ccccc SUBJ:X Y ZZZ\naaaaaa bbbbbbb ccccccc SUBJ:X XXX\naaa b ccccc\n", file = "myFile.txt")

使用readLines 读入myFile.txt（或您的实际日志文件）。请注意，第三行没有主题。

myFile <- readLines("myFile.txt")
myFile
# [1] "aaaa bbb ccccc SUBJ:X Y ZZZ"      
# [2] "aaaaaa bbbbbbb ccccccc SUBJ:X XXX"
# [3] "aaa b ccccc"

使用一些正则表达式来匹配最后一个“列”：

myMatches <- gregexpr("SUBJ:.*$", myFile)

使用该信息阅读您的data.frame：

cbind(read.table(text = unlist(regmatches(myFile, myMatches, invert=TRUE))), 
      subj = sapply(regmatches(myFile, myMatches), 
                    function(x) ifelse(length(x) > 0, x, NA)))
#       V1      V2      V3         subj
# 1   aaaa     bbb   ccccc SUBJ:X Y ZZZ
# 2 aaaaaa bbbbbbb ccccccc   SUBJ:X XXX
# 3    aaa       b   ccccc         <NA>

【讨论】：

这似乎是一个很好的解决方案，但是有些电子邮件没有主题行并且返回错误。
@user1507889，当没有主题时，“SUBJ”一词是否仍然显示在行中？
是的，没有 SUBJ。只是空白。
@user1507889，试试我的更新，看看它是否适用于这些情况。
啊。这解决了这个问题。谢谢您的帮助。我在尝试加载表时遇到“扫描错误（文件，什么，nmax，sep，dec，quote，skip，nlines，na.strings，：第 7 行没有 16 个元素”。似乎一些没有主题行的行的列数少于其他行。第 7 行有 15 个元素。