从文本文件中删除 r 中第一个元素之后的特殊字符答案

【问题标题】：delete special characters from a text file after the first element in r从文本文件中删除 r 中第一个元素之后的特殊字符
【发布时间】：2019-02-26 09:25:27
【问题描述】：

我正在尝试在 R 中使用 read.table() 读取文本文件。R 不会读取 # 之后的任何内容。但是，文本中有与 cmets 无关的磅符号。我想删除不需要的 # 符号而不将 cmets 添加到数据框中。

幸运的是，我想要保留的所有磅符号都在每一行的第一个元素中。所以基本上我需要删除所有不在行的第一个元素中的# 符号。

2018-08-14 00:00:42 102.18.18.2  
2018-08-15 00:00:47 223.45.67.8    
2018-08-15 00:00:48 026.15.65.0    
2018-08-15 00:00:49 924.43.47.0    
2018-08-15 00:00:49 122.45.#67.9

我想在第一行保留井号，并在最后一行删除导致数据框出现问题的井号。

【问题讨论】：

标签： r text-editor

【解决方案1】：

您可以使用正则表达式中称为捕获组的功能来做到这一点。

只需在支持使用 RegEx 查找文本的编辑器中打开您的文件，例如 VS Code。

在“查找”框中，输入：(.+)(#)

在替换框中，写：$1

单击全部替换应删除文本之间的所有 # 个字符。

或者，您也可以编写一个脚本来执行此操作。

【讨论】：

【解决方案2】：

这是一个可能的纯 R 解决方案：

MWE

首先让我们把你的问题变成一个完整的 MWE (https://stackoverflow.com/help/mcve)：

cat(
'#2018-08-14 00:00:42 102.18.18.2',
'2018-08-14 00:00:42 102.18.18.2',  
'2018-08-15 00:00:47 223.45.67.8',    
'2018-08-15 00:00:48 026.15.65.0',    
'2018-08-15 00:00:49 924.43.47.0',    
'2018-08-15 00:00:49 122.45.#67.9', sep = '\n', file = 'mytable.txt')

这会在您的工作目录中创建一个我们可以读取的文件。

解决方案

(x <- readLines('mytable.txt')) 
(y <- gsub('(?<!^)#', '', x, perl = TRUE))
read.table(text = y)

##           V1       V2          V3
## 1 2018-08-14 00:00:42 102.18.18.2
## 2 2018-08-15 00:00:47 223.45.67.8
## 3 2018-08-15 00:00:48 026.15.65.0
## 4 2018-08-15 00:00:49 924.43.47.0
## 5 2018-08-15 00:00:49 122.45.67.9

我用() 包裹了每一行，这样你就可以看到输出了。在实际应用中，我不会包含它们。

神奇的发生在gsub('(?<!^)#', '', x, perl = TRUE) 行。它使用 (?<!^)# 的 Negative Lookbehind (https://www.regular-expressions.info/lookaround.html)，可以读作：

#（任何井号）但是
?（什么）<（来之前）
!（不是）
^（行首）

【讨论】：