【发布时间】:2017-01-10 18:03:13
【问题描述】:
我正在将一个文本文件读入 R,如下所示:
test<-readLines("D:/AAPL MSFT Earnings Calls/Test/Test.txt")
此文件是从 PDF 转换而来的,并保留了一些我想删除的标题数据。它们将以“页面”、“市值”等词开头。
如何删除 TXT 文件中以这些关键字开头的所有行?这与删除包含该单词的行相反。
使用下面的答案之一,我修改了一下以阅读
setwd("C:/Users/George/Google Drive/PhD/Strategic agility/Source Data/Peripherals Earnings Calls 2016")
text1<-readLines("test.txt")
text
library(purrr)
library(stringr)
text1 <- "foo
Page, bar
baz
Market Cap, qux"
text1 <- readLines(con = textConnection(file))
ignore_patterns <- c("^Page,", "^Market\\s+Cap,")
text1 %>% discard(~ any(str_detect(.x, ignore_patterns)))
text1
这是我得到的输出:
> text1
[1] "foo" "Page, bar" "baz" "Market Cap, qux"
什么是 foo/baz/qux 字符?谢谢你
【问题讨论】:
-
grepl("^(Page|Market Cap)", df$id)用于对行进行子集化。替换为您的关键字。和id与您的第一列
标签: r pdf text-mining