使用 R 中的嵌套 for 循环创建 tar 文件

Question

我有一堆文件。它们的命名如下：

BNT_20170301131740322_123456.csv,  BNT_20170301131740322_7891011.csv

在这个文件名中，从第 5 个字符到第 12 个字符是日期，第 13 个和第 14 个字符是小时。其余的都是动态生成的，并且不断变化。在上面的例子中，日期是 2017 年 3 月 1 日，小时是 13。

任务 1： 我必须通过压缩与特定日期和时间匹配的所有文件来创建 tar 文件。因此，根据生成文件的日期和时间，我将有多个 tar 文件作为输出。

任务 2： 下一个任务是以特定模式命名 tar 文件。 每个 tar 文件应按以下模式命名：

BNT_2017030111_2.tar

在上面的名称中，我们可以看到保留的“BNT_”后跟日期和小时，_（下划线）后面的 2 表示 tar 中与日期和时间匹配的文件数。在上面的示例中，名称表明文件的日期为 2017 年 3 月 1 日，并且小时参数 11 被一起 tar 并且 tar 中有 2 个文件。

到目前为止我做了什么：

#set the working directory
setwd("/home/mycomp/Documents/filestotar/")

#list all files
files <- list.files(pattern = ".csv") 

我列出了所有文件的名称以便重现

files <- c("BNT_20170301000000790_123456.csv", "BNT_20170301000000887_7891011.csv",
"BNT_20170301000000947_7430180.csv", "BNT_20170301000001001_2243094.csv", 
"BNT_20170301000001036_14195326.csv", "BNT_20170301000001036_14770776.csv", 
"BNT_20170301000001078_10692013.csv", "BNT_20170301000001089_2966772.csv", 
"BNT_20170301000001100_10890506.csv", "BNT_20170301000001576_7430180.csv")

我的代码：

library(stringr)
#extract date and time and set the pattern to identify the files in the folder
#extracts date from the file name
d <- substr(files, 5,12)

#extracts hour from the file name
e <- substr(files, 13,14)

#creates a pattern that can be used to identify the files matching the pattern.
pat <- paste("BNT","_",unique(d),unique(e),sep="")

#creates the count of files with unique hour parameter.  This will be used to create the name for the tar file.
f <- table(paste(d,e,sep=""))

#create unique names for the tar files
g <- unique(paste("BNT",unique(d),unique(e),f,sep="_"))

#pasting the extension .tar to the name of the file
h <- paste(g,".tar",sep="")



#create a nested forloop to tar the files recursively
for (name in h) {
  for (i in seq_along(pat)) {
    filestotar = for (i in seq_along(pat)) {list.files(path = "/home/mycomp/Documents/filestotar/", pattern = pat[i])}
  }
  tar(tarfile = name, files = filestotar)
}

以上创建了所需数量的 tar 文件。但是 tar 文件将文件夹中的所有文件包含在第一个 tar 本身中，并递归地将所有新 tar 文件与文件夹中的原始文件包含在所有后续 tar 文件中。

例如，第一个 tar 文件包含所有 csv 文件，而不是仅匹配模式 pat 的那些文件

第二个 tar 文件包含第一个 tar 文件 + 它包含所有 csv 文件，而不仅仅是那些与模式 pat 匹配的文件。

现在，每个创建的 tar 文件都会继续进行，最后一个 tar 文件包含所有创建的 tar 文件 + 所有与 pat 匹配的文件。

所需的输出是：

仅对文件名中与日期和小时匹配的文件进行 tar，并用 BNT_ + 日期 + 小时 + 文件数 + .tar 命名它们，如下所示：

BNT_2017030111_2.tar

已创建包含虚拟文件的文件夹...以防万一：

https://drive.google.com/open?id=0BwPrNXRo3C1aaUN2WmMtS3dpZ1U

Answer 1

为了避免循环（不是必需的，但我在这里选择），您可以创建一个 data.frame 来保存文件的所有信息。反过来，您可以对其进行切片和切块以获得所需的适当文件名。

xy <- data.frame(files = files, date = d, hour = e)

out <- split(xy, f = list(xy$date, xy$hour))

result <- sapply(out, FUN = function(x) {
  nfiles <- nrow(x)
  name <- paste("BNT_", unique(x$date), unique(x$hour), "_", nfiles, ".tar", sep = "")

  ### just for show, you can remove ###
  message(sprintf("For %s extracting %s files:", name, nfiles)) 
  for (i in x$files) {
    message(i)
  }
  ### end just for show ###
  tar(tarfile = name, files = x$files)
})