在 R 中自动读取 zip 文件

Question

我需要自动化 R 以将 csv 数据文件读取到 zip 文件中。

例如，我会输入：

read.zip(file = "myfile.zip")

在内部，要做的是：

• 解压myfile.zip到一个临时文件夹
• 使用read.csv读取其中包含的唯一文件

如果 zip 文件中有多个文件，则会引发错误。

我的问题是获取包含在 zip 文件中的文件名，以便提供它执行 read.csv 命令。有人知道怎么做吗？

更新

这是我根据@Paul 回答编写的函数：

read.zip <- function(zipfile, row.names=NULL, dec=".") {
    # Create a name for the dir where we'll unzip
    zipdir <- tempfile()
    # Create the dir using that name
    dir.create(zipdir)
    # Unzip the file into the dir
    unzip(zipfile, exdir=zipdir)
    # Get the files into the dir
    files <- list.files(zipdir)
    # Throw an error if there's more than one
    if(length(files)>1) stop("More than one data file inside zip")
    # Get the full name of the file
    file <- paste(zipdir, files[1], sep="/")
    # Read the file
    read.csv(file, row.names, dec)
}

由于我将在tempdir() 中处理更多文件，因此我在其中创建了一个新目录，因此我不会对这些文件感到困惑。我希望它可能有用！

Answer 1

使用unz的另一种解决方案：

read.zip <- function(file, ...) {
  zipFileInfo <- unzip(file, list=TRUE)
  if(nrow(zipFileInfo) > 1)
    stop("More than one data file inside zip")
  else
    read.csv(unz(file, as.character(zipFileInfo$Name)), ...)
}

Answer 2

您可以使用unzip 解压缩文件。我只是提到这一点，因为从你的问题中不清楚你是否知道这一点。关于读取文件。将文件解压缩到临时目录 (?tempdir) 后，只需使用 list.files 查找转储到临时目录的文件。在您的情况下，这只是一个文件，您需要的文件。使用read.csv 阅读它非常简单：

l = list.files(temp_path)
read.csv(l[1])

假设您的tempdir 位置存储在temp_path。

Answer 3

我在尝试从 zip 中自动读取多个 csv 文件时发现了这个线程。我调整了解决方案以适应更广泛的情况。我还没有测试过奇怪的文件名或类似的东西，但这对我有用，所以我想我会分享：

read.csv.zip <- function(zipfile, ...) {
# Create a name for the dir where we'll unzip
zipdir <- tempfile()
# Create the dir using that name
dir.create(zipdir)
# Unzip the file into the dir
unzip(zipfile, exdir=zipdir)
# Get a list of csv files in the dir
files <- list.files(zipdir)
files <- files[grep("\\.csv$", files)]
# Create a list of the imported csv files
csv.data <- sapply(files, function(f) {
    fp <- file.path(zipdir, f)
    return(read.csv(fp, ...))
})
return(csv.data)}

Answer 4

如果您的系统上安装了 zcat（linux、macos 和 cygwin 就是这种情况），您也可以使用：

zipfile<-"test.zip"
myData <- read.delim(pipe(paste("zcat", zipfile)))

此解决方案还具有不创建临时文件的优点。

Answer 5

这是我正在使用的一种方法，它主要基于@Corned Beef Hash Map 的answer。以下是我所做的一些更改：

• 我的方法使用了data.table 包的fread()，它 可以很快（通常，如果它是拉链的，尺寸可能会很大，所以你 站在这里获得很多速度！）。

• 我还调整了输出格式，使其成为命名列表，其中 列表的每个元素都以文件命名。对我来说，这是一个 非常有用的补充。

• 而不是使用正则表达式来筛选文件 被list.files抓取，我使用list.file()的pattern 论据。

• 最后，我依靠 fread() 并将 pattern 设为 您可以提供类似 "" 或 NULL 或 "."，你可以用它来读入多种类型的数据文件；实际上， 您可以一次阅读多种类型（如果您的 .zip 包含 .csv, .txt 你想要两者，例如）。如果只有某些类型 您想要的文件，您也可以指定仅使用这些文件的模式。

这是实际的功能：

read.csv.zip <- function(zipfile, pattern="\\.csv$", ...){

    # Create a name for the dir where we'll unzip
    zipdir <- tempfile()

    # Create the dir using that name
    dir.create(zipdir)

    # Unzip the file into the dir
    unzip(zipfile, exdir=zipdir)

    # Get a list of csv files in the dir
    files <- list.files(zipdir, rec=TRUE, pattern=pattern)

    # Create a list of the imported csv files
    csv.data <- sapply(files, 
        function(f){
            fp <- file.path(zipdir, f)
            dat <- fread(fp, ...)
            return(dat)
        }
    )

    # Use csv names to name list elements
    names(csv.data) <- basename(files)

    # Return data
    return(csv.data)
}

Answer 6

以下内容对上述答案进行了细化。 FUN 可以是 read.csv、cat 或您喜欢的任何内容，前提是第一个参数将接受文件路径。例如

head(read.zip.url("http://www.cms.gov/Medicare/Coding/ICD9ProviderDiagnosticCodes/Downloads/ICD-9-CM-v32-master-descriptions.zip", filename = "CMS32_DESC_LONG_DX.txt"))

read.zip.url <- function(url, filename = NULL, FUN = readLines, ...) {
  zipfile <- tempfile()
  download.file(url = url, destfile = zipfile, quiet = TRUE)
  zipdir <- tempfile()
  dir.create(zipdir)
  unzip(zipfile, exdir = zipdir) # files="" so extract all
  files <- list.files(zipdir)
  if (is.null(filename)) {
    if (length(files) == 1) {
      filename <- files
    } else {
      stop("multiple files in zip, but no filename specified: ", paste(files, collapse = ", "))
    }
  } else { # filename specified
    stopifnot(length(filename) ==1)
    stopifnot(filename %in% files)
  }
  file <- paste(zipdir, files[1], sep="/")
  do.call(FUN, args = c(list(file.path(zipdir, filename)), list(...)))
}

Answer 7

另一种使用 data.table 包中的fread 的方法

fread.zip <- function(zipfile, ...) {
  # Function reads data from a zipped csv file
  # Uses fread from the data.table package

  ## Create the temporary directory or flush CSVs if it exists already
  if (!file.exists(tempdir())) {dir.create(tempdir())
  } else {file.remove(list.files(tempdir(), full = T, pattern = "*.csv"))
  }

  ## Unzip the file into the dir
  unzip(zipfile, exdir=tempdir())

  ## Get path to file
  file <- list.files(tempdir(), pattern = "*.csv", full.names = T)

  ## Throw an error if there's more than one
  if(length(file)>1) stop("More than one data file inside zip")

  ## Read the file
  fread(file, 
     na.strings = c(""), # read empty strings as NA
     ...
  )
}

基于@joão-daniel 的回答/更新

Answer 8

解压文件位置

outDir<-"~/Documents/unzipFolder"

获取所有 zip 文件

zipF <- list.files(path = "~/Documents/", pattern = "*.zip", full.names = TRUE)

解压所有文件

purrr::map(.x = zipF, .f = unzip, exdir = outDir)

Answer 9

我刚刚写了一个基于 top read.zip 的函数，可能会有所帮助...

read.zip <- function(zipfile, internalfile=NA, read.function=read.delim, verbose=TRUE, ...) {
    # function based on http://stackoverflow.com/questions/8986818/automate-zip-file-reading-in-r

    # check the files within zip
    unzfiles <- unzip(zipfile, list=TRUE)
    if (is.na(internalfile) || is.numeric(internalfile)) {
        internalfile <- unzfiles$Name[ifelse(is.na(internalfile),1,internalfile[1])]
    }
    # Create a name for the dir where we'll unzip
    zipdir <- tempfile()
    # Create the dir using that name
    if (verbose) catf("Directory created:",zipdir,"\n")
    dir.create(zipdir)
    # Unzip the file into the dir
    if (verbose) catf("Unzipping file:",internalfile,"...")
    unzip(zipfile, file=internalfile, exdir=zipdir)
    if (verbose) catf("Done!\n")
    # Get the full name of the file
    file <- paste(zipdir, internalfile, sep="/")
    if (verbose) 
        on.exit({ 
            catf("Done!\nRemoving temporal files:",file,".\n") 
            file.remove(file)
            file.remove(zipdir)
            }) 
    else
        on.exit({file.remove(file); file.remove(zipdir);})
    # Read the file
    if (verbose) catf("Reading File...")
    read.function(file, ...)
}