将txt文件的目录逐行读入一个R数据框，并将文件名作为一列

问题描述：

我有一个文本文件的目录。我想将这些文本文件的内容逐行读入R数据框。文本文件包含非结构化文本。期望的数据帧输出是：将txt文件的目录逐行读入一个R数据框，并将文件名作为一列

file; line 
1.txt; "line 1 in 1.txt" 
1.txt; "line 2 in 1.txt" 
2.txt; "line 1 in 2.txt" 
...

我已经写下面的代码，但它会导致错误。我也猜想有一个更直接的方法来做到这一点，例如readr和dplyr。

files <- list.files(path="./data", pattern = "*.txt", full.names = TRUE) # read data folder txt files 

my_lines <-list() # create temp list for reading lines 
df <- data_frame("file" = character(0), "line" = character(0)) 

for (file in files){ 
    my_lines <- readLines(file) # read lines from file into a list 
    for (line in my_lines){ 
     df$file<-file 
     df$fline<-line 
    } 
}

这将有助于知道你得到哪些错误 –

@MarcoSandri：'替换有1行，数据有0' – textnet

你可以一次读取整个文件，然后添加一个新的文件列。最后，你可以通过'rbind'或者'bind_rows'连接所有'data.frame's。 – mt1022

答

不循环的替代解决方案：

> file = list.files(path="C:/...", pattern = "*.txt",full.names=T) 
> line = lapply(file,readLines) 
> file = unlist(mapply(rep,file,sapply(line,length),SIMPLIFY=FALSE,USE.NAMES=FALSE)) 
> df=data.frame(file=file,line=unlist(line))

设置full.names到TRUE使得相当长文件名... 如果您事先设置了工作目录，则可以使用path和full.names参数到list.files()将不是必需的，并且您的数据帧将只包含实际没有路径的文件名。

答

一个简单的（但效率不高）的解决方案是：

files <- list.files(path="./data", pattern = "*.txt", full.names = TRUE) 
fls <- NULL 
lns <- NULL 
for (file in files) { 
    my_lines <- readLines(file) 
    for (line in my_lines) { 
    fls <- c(fls, file) 
    lns <- c(lns, line) 
    } 
} 
df <- data.frame(file=fls, fline=lns) 
print(df) 

    file   fline 
1 1.txt line1_in_1.txt 
2 1.txt line2_in_1.txt 
3 2.txt line1_in_2.txt 
4 2.txt line2_in_2.txt

将txt文件的目录逐行读入一个R数据框，并将文件名作为一列

相关推荐