将数据从 txt 语料库提取到 R 中的 .csv

Question

我查看了黑板，但在 R studio 中找不到我的问题的答案。

所以也许有人有时间和善意来帮助我。

我有一个包含 106 个 txt 文件的文件夹，我希望提取数据。

因此，我想构建一个包含两行的 .csv。第一行包含文件名，第二行包含一个数字，这是第一行的最后一个“单词”。

每个文档的第一行看起来像“文档 x of y”。因此，第二行应包含 y。请注意，x 可能包含一位、两位或三位数字。 如果这不可能，我会非常高兴，如果 .csv 可以包含第 2 行中的整个第一行。

Answer 1

此解决方案确实涉及很多步骤，因此我认为它值得回答，但我希望您尝试进一步完善您的问题，以确保我正在回答您打算提出的问题。例如，您说您想要一个包含两个 行 的 csv，但从您描述的声音来看，我认为您实际上的意思是您想要两个 列。我在下面的解决方案中对此做了一些猜测。

这里有几个基本步骤：

• 遍历工作目录以查找 .txt 文件的路径和名称
• 读取每个文件的所有行，一次一行
• 选择第一行
• 将第一行分解成单词
• 选择第一行的最后一个单词
• 将该单词附加到运行列表中
• 迭代完成后，构建 data.frame 并写入 csv 输出

fp = tools::list_files_with_exts(dir='.', ext='txt', full.names = TRUE)
fn = tools::list_files_with_exts(dir='.', ext='txt', full.names = FALSE)
fn = tools::file_path_sans_ext(fn)

items = length(fp) # get our iterator length for files

lastword = as.character(NULL)
for(i in 1:items) {  # iterate through files
  line = readLines(fp[i])[1]  # read in lines and select the first
  words = strsplit(line, ' ')[[1]]  # split string into vector on spaces
  word = tail(words, 1)  # get the last word of the vector
  lastword = c(lastword, word)  # combine with lastword list
}
df = data.frame(filename=fn, lastword)
write.csv(df, 'my.csv')