使用文本数据框作为 read_delim 的输入

Question

我正在从许多杂乱无章的 pdf 中读取数据。对于每个 pdf，最终结果是一个 R 数据框，带有一个变量，我称之为文本。数据框的每一行都包含原始 pdf 表的一行的文本表示。每行中的元素用“|”分隔特点。其中一个看起来像这样：-

确诊病例总数|965
nd
新增病例数 3 月 22 日|129
住院总人数|277|28.7
入住 ICU 的总人数|36|3.7
总死亡人数|6
病死率 (CFR)|0.6
爆发或聚集的总数|44
与集群相关的病例总数|243|25.2 输入病例总数|201|20.8
HCW 病例数|247|25.6
中位年龄（岁）|45
年龄范围（岁）|0-95

它可以从这里重新创建：-

structure(list(Text = c("Total number of confirmed cases|965", 
"nd", "Number of new cases 22 March|129", "Total number hospitalised|277|28.7", 
"Total number admitted to ICU|36|3.7", "Total number of deaths|6", 
"Case Fatality Ratio (CFR )|0.6", "Total number of outbreaks or clusters|44", 
"Total number cases associated with clusters|243|25.2", "Total number of imported cases|201|20.8", 
"Number of cases in HCW|247|25.6", "Median age (years)|45", "Age range (years)|0-95"
)), class = c("tbl_df", "tbl", "data.frame"), row.names = c(NA, 
-13L))

目前，我使用 write_csv() 将其写出，然后使用 read_delim() 将其读回：-

write_csv(HPSC,'data/temp.csv')

HPSC <- read_delim('data/temp.csv', delim='|',
                 skip=1, na = c('-'),
                 col_names = c('Characteristic','Number','Pct')) %>%
mutate(Date = dmy('08.04.2020')) # In the real version, the date comes from elsewhere.

这很繁琐，但并不难将很多这些放在一起，并得到我的最终结果 - 本质上是一个每个 pdf 一行的数据框。

所以，这一切都很好。我需要 read_delim 的全部功能，因为否则我必须编写自己的代码来识别分隔符、跳过行并处理每行上有不同数量的项目的事实。我对自己正在做的事情感到非常满意，但我隐约感到惊讶的是，我不能只将一列数据框提供给 read_delim，并让它完成它的工作。

有没有办法做到这一点？

Answer 1

您的直觉是正确的——您可以将列传递给 read_delim 而无需先将其保存为 CSV，但您需要将其作为向量而不是表格传递。使用您的数据结构，我相信我已经在这里生成了您要求的功能：

x = structure(list(Text = c("Total number of confirmed cases|965", 
                            "nd", "Number of new cases 22 March|129", "Total number hospitalised|277|28.7", 
                            "Total number admitted to ICU|36|3.7", "Total number of deaths|6", 
                            "Case Fatality Ratio (CFR )|0.6", "Total number of outbreaks or clusters|44", 
                            "Total number cases associated with clusters|243|25.2", "Total number of imported cases|201|20.8", 
                            "Number of cases in HCW|247|25.6", "Median age (years)|45", "Age range (years)|0-95"
)), class = c("tbl_df", "tbl", "data.frame"), row.names = c(NA, 
                                                            -13L))

read_delim(x$Text, delim='|',
           skip=1, na = c('-'),
           col_names = c('Characteristic','Number','Pct')) %>%
  mutate(Date = dmy('08.04.2020'))

查看如何从对象中选择“文本”列。