将文本数据读入R

我有一个由单个整数标识的矢量项列表文件中的项目列表。我也有每个项目的元数据。在这种情况下，该项目是Amazon.com上的一本书，元数据具有以下列出的各种属性。对于我的商品清单上的每本书，我都希望获得它的标题，组，销售排名等等。元数据包含其他组的数据，如DVD，但我不需要这些数据，并且希望跳过它们。在元数据文件中，每个项目及其属性以“ID：”开头，并以空行结束。我在R中尝试了一堆工具，但没有取得太大的成功。希望有人能帮忙。将文本数据读入R

下面是元数据文件的摘录，用于2本书（ID：9和ID：10）。

Id: 9 
ASIN: 1859677800 
    title: Making Bread: The Taste of Traditional Home-Baking 
    group: Book 
    salesrank: 949166 
    similar: 0 
    categories: 1 
    |Books[283155]|Subjects[1000]|Cooking, Food & Wine[6]|Baking[4196]|Bread[4197] 
    reviews: total: 0 downloaded: 0 avg rating: 0 

Id: 10 
ASIN: 0375709363 
    title: The Edward Said Reader 
    group: Book 
    salesrank: 220379 
    similar: 5 039474067X 0679730672 0679750541 1400030668 0896086704 
    categories: 3 
    |Books[283155]|Subjects[1000]|Literature & Fiction[17]|History & Criticism[10204]|Criticism & Theory[10207]|General[10213] 
    |Books[283155]|Subjects[1000]|Nonfiction[53]|Politics[11079]|History & Theory[11086] 
    |Books[283155]|Subjects[1000]|Nonfiction[53]|Social Sciences[11232]|Anthropology[11233]|Cultural[11235] 
    reviews: total: 6 downloaded: 6 avg rating: 4 
    2000-10-8 cutomer: A2RI73IFW2GWU1 rating: 4 votes: 12 helpful: 7 
    2001-5-4 cutomer: A1GE54WF2WUZ2X rating: 5 votes: 11 helpful: 8 
    2001-8-27 cutomer: A36S399V1VC4DR rating: 4 votes: 5 helpful: 3 
    2002-1-26 cutomer: A280GY5UVUS2QH rating: 3 votes: 12 helpful: 7 
    2004-4-7 cutomer: A2YHZJIU4L4IOI rating: 4 votes: 10 helpful: 2 
    2004-4-27 cutomer: A1MB83EO48TRSC rating: 4 votes: 5 helpful: 3

来源

2013-05-09 inivri

如果使用readLines你可以得到这些数据转变为R，只要字符串：

z <- readLines("example-text.txt")

然后，您可以使用此初始读取使用scan或拆分，要在每个记录分别读取记录到行中。例如：

idpos <- grep("Id",z) 
scan("example-text.txt", skip=idpos[1]-1, nlines=idpos[2]-idpos[1], what="character",sep="\n") 
scan("example-text.txt", skip=idpos[2]-1, nlines=length(z)-idpos[2], what="character",sep="\n")

然后，您可以用各种方式解析这些字符串，将它们转换为另一个数据结构。

来源

2013-05-09 06:59:40 Thomas

假设发布的数据位于名为myfile.txt的文本文件中，请将其缩小为可以使用的行，然后解析该行以生成长表单数据。添加一个grp列，标识来自同一个Id的字段。可以选择使用dcast在reshape2包从长到宽的形式重塑它：

library(reshape2) 

L <- readLines("myfile.txt") 

# add other fields to the regular expression as needed 
ok <- grep("^Id:|^ *title:|^ *group:", L, value = TRUE) 

# create data frame in long form 
long <- data.frame(lab = gsub("^ *|:.*", "", ok), value = sub("^.*?: ", "", ok)) 
long$grp <- cumsum(long$lab == "Id") 

# optionally reshape it into wide form 
wide <- dcast(grp ~ lab, data = long)

最后一行给出：

> wide 
    grp group Id        title 
1 1 Book 9 The Taste of Traditional Home-Baking 
2 2 Book 10    The Edward Said Reader

来源

2013-05-09 10:57:27

将文本数据读入R

回答

相关问题