做read.table时有没有办法限制seps的数量？答案

【问题标题】：Is there a way to limit the number of seps when doing read.table?做read.table时有没有办法限制seps的数量？
【发布时间】：2022-01-04 08:39:03
【问题描述】：

我有一段要预处理的文本数据，并且这些数据的形式是：

[num|num|<String>]

但是，中有空格、逗号和"|"。因此，无法使用"|" 分隔数据。如何在检索数据时实现对分区数或 readlines 的限制？我尝试使用flush = TRUE，但它无法使用，因为它会删除的某些部分。

【问题讨论】：

使用readLines读取数据和正则表达式分隔列？没有看到示例就很难提出解决方案。如果缺少某些文本，则可能意味着存在无法识别的字符。
回复 "seps"：你的意思是 "steps"？
对于 seps，我在 read.table() 中分开，比如 sep = ","
那么，separators？

标签： r

【解决方案1】：

你可能有这样的东西。

123|1234|foo, bar | baz
021|3874|foo, bar | baz
123|1234|foo, bar | baz
123|1234|foo, bar | baz

如果"|" 之前有一个数字(?<=\\d)，您可以使用lookbehind。

readLines('tmp.txt') |>
  strsplit('(?<=\\d)\\|', perl=TRUE)
# [[1]]
# [1] "123"            "1234"           "foo, bar | baz"
# 
# [[2]]
# [1] "021"            "3874"           "foo, bar | baz"
# 
# [[3]]
# [1] "123"            "1234"           "foo, bar | baz"
# 
# [[4]]
# [1] "123"            "1234"           "foo, bar | baz"

注意：使用 R >= 4.1。

数据：

write(file='tmp.txt',
'123|1234|foo, bar | baz
021|3874|foo, bar | baz
123|1234|foo, bar | baz
123|1234|foo, bar | baz'
)

【讨论】：

使用strsplit的好技巧，点赞！
天哪。你的预测是正确的。我的数据与您提到的形状相同。这个问题让我很头疼，但你的想法真的很有帮助。非常感谢！

【解决方案2】：

以下类似的想法来自jay.sf's answer（并从那里借用数据）：

read.table(
  text = gsub(
    "(?<=\\d)\\|", "\t",
    readLines("tmp.txt"),
    perl = TRUE
  ),
  sep = "\t"
)

给了

   V1   V2             V3
1 123 1234 foo, bar | baz
2  21 3874 foo, bar | baz
3 123 1234 foo, bar | baz
4 123 1234 foo, bar | baz

【讨论】：

整洁的小翻译+1！