如何根据文件名中的特定字符串选择目录中的文件？答案

【问题标题】：How to select files in a directory according to specific string in filename?如何根据文件名中的特定字符串选择目录中的文件？
【发布时间】：2015-10-22 08:50:00
【问题描述】：

我正在将目录中的一些 netcdf 文件读入 R。netcdf 文件是根据数据的某些特定特征命名的。

这是一个例子：

aa <- c("dayavg_fcst_surf125.011_tmp.1962010100_1962123121.nc",
        "dayavg_fcst_surf125.011_tmp.1972010100_1972123121.nc",
        "dayavg_fcst_surf125.011_tmp.1982010100_1982123121.nc",
        "dayavg_fcst_surf125.011_tmp.1992010100_1992123121.nc",
        "dayavg_fcst_surf125.011_tmp.2002010100_2002123121.nc",
        "dayavg_fcst_surf125.011_tmp.2010010100_2010123121.nc",
        "dayavg_fcst_surf125.011_tmp.2012010100_2012123121.nc",
        "dayavg_fcst_surf125.011_tmp.2014020100_2014022821.nc",
        "dayavg_fcst_surf125.011_tmp.2014120100_2014123121.nc",
        "dayavg_fcst_surf125.011_tmp.2015020100_2015022821.nc")

这些是使用 list.files 函数收集的。

我想选择（保留）这些文件名的子集（作为字符串），特别是引用 2010 年和 2014 年收集的数据的文件。

年份在“.tmp”字符串后面的文件名中表示。例如，第一个条目是 1962 年，以此类推。

为此，我尝试了以下方法：

iyears <- c(2010,2014)
ll <- list()
for (i in 1:length(iyears)){
  ll[[i]] <- aa[grepl(iyears[i],aa)]
}
ll <- c(ll[[1]],ll[[2]])

> ll
 [1] "dayavg_fcst_surf125.011_tmp.1962010100_1962123121.nc" "dayavg_fcst_surf125.011_tmp.1972010100_1972123121.nc"
 [3] "dayavg_fcst_surf125.011_tmp.1982010100_1982123121.nc" "dayavg_fcst_surf125.011_tmp.1992010100_1992123121.nc"
 [5] "dayavg_fcst_surf125.011_tmp.2002010100_2002123121.nc" "dayavg_fcst_surf125.011_tmp.2010010100_2010123121.nc"
 [7] "dayavg_fcst_surf125.011_tmp.2012010100_2012123121.nc" "dayavg_fcst_surf125.011_tmp.2014020100_2014022821.nc"
 [9] "dayavg_fcst_surf125.011_tmp.2014120100_2014123121.nc" "dayavg_fcst_surf125.011_tmp.2015020100_2015022821.nc"
[11] "dayavg_fcst_surf125.011_tmp.2014020100_2014022821.nc" "dayavg_fcst_surf125.011_tmp.2014120100_2014123121.nc"

而答案应该是：

> ll
[1] "dayavg_fcst_surf125.011_tmp.2010010100_2010123121.nc" "dayavg_fcst_surf125.011_tmp.2014020100_2014022821.nc"
[3] "dayavg_fcst_surf125.011_tmp.2014120100_2014123121.nc"

问题是文件名中的日期字符串如下：

yyyymmddhh

所以，2010也出现在

"dayavg_fcst_surf125.011_tmp.1982010100_1982123121.nc",

由于 198[2 01 0]1.

任何人都可以提出一种获得所需结果的方法吗？

【问题讨论】：

你为什么不直接使用里面的“tmp”呢？喜欢：grep("tmp.2010|tmp.2014", aa, value = TRUE)

标签： r

【解决方案1】：

由于tmp. 部分似乎是文件名中的常规功能，解决此问题的一种非常直接的方法是将其用作搜索字符串的一部分：

> grep("tmp.2010|tmp.2014", aa, value = TRUE)
[1] "dayavg_fcst_surf125.011_tmp.2010010100_2010123121.nc"
[2] "dayavg_fcst_surf125.011_tmp.2014020100_2014022821.nc"
[3] "dayavg_fcst_surf125.011_tmp.2014120100_2014123121.nc"

【讨论】：

所以，要使用循环，我可以使用 grep(paste("tmp",".",iyears[i], sep = ''), aa, value = TRUE)。请注意，这只是我的代码的一个小例子，我实际上想在 1900 年到 2014 年期间这样做。
@EmmaTebbs，你也可以做更多有趣的正则表达式......而且循环应该是不必要的。您可以使用paste 来获取您要查找的| 分隔值。

【解决方案2】：

主要技巧是指定实际年份在字符串中的位置。以下应该有效：

iyears <- c(2010,2014)
ll <- list()

for (i in 1:length(iyears)){
  ll[[i]] <- aa[grepl(paste0("^dayavg_fcst_surf125\\.011_tmp\\.",iyears[i]),aa)] 
}

ll <- c(ll[[1]],ll[[2]])

# [1] "dayavg_fcst_surf125.011_tmp.2010010100_2010123121.nc"
# [2] "dayavg_fcst_surf125.011_tmp.2014020100_2014022821.nc"
# [3] "dayavg_fcst_surf125.011_tmp.2014120100_2014123121.nc"

【讨论】：

【解决方案3】：

为什么不在list.files 中使用pattern 参数：

list.files(path = ".", pattern = NULL, all.files = FALSE, full.names = FALSE，递归 = FALSE， ignore.case = FALSE，include.dirs = FALSE，no.. = FALSE)

pattern：可选的正则表达式。只有匹配的文件名将返回正则表达式。

参考：R 帮助

【讨论】：