替换 CSV 文件中不正确的逗号答案

【问题标题】：Replace improper commas in CSV file替换 CSV 文件中不正确的逗号
【发布时间】：2015-06-23 09:37:07
【问题描述】：

这个问题以前可能有人问过，但我找不到。我有一个 CSV 文件列表（大约 439 个），其中一些文件中，有人还在编辑 cmets 中使用了逗号。结果是我无法将文件放入数据框中，因为文件在拆分后现在没有相同数量的元素。无论如何，我面临的问题是这样的：

vec1 <- paste("484,1213,0,62.0006,1,go -- late F1 max, but glide?")
vec2 <- paste("467,1387,0,62.0026,1,goes2")

ls <- list(vec1, vec2)

我想要做的是有一个六列的数据框。如果 vec1 的编辑 cmets 中没有逗号，我可以使用（并且一直在使用，直到我发现这个有问题的示例）以下内容：

df <- ldply(ls, function(x)unlist(strsplit(x[1], split = ",")))

但是，我收到了明显的错误消息，即结果的长度数不同。有没有办法摆脱那个逗号，或者把它变成一个分号，或者确保，如果一个向量中有 7 个元素，那么 6 和 7 是结合在一起的？

如果有帮助，这就是我在 R 中读取文件的方式（我正在使用 scan，因为文件中还有我想要的其他信息。这里也有一些奇怪的编码问题，但是这似乎有效）。

data <- scan(file, fileEncoding="latin1", blank.lines.skip = FALSE, what = "list", sep = "\n", quiet = TRUE)

【问题讨论】：

如果不需要的逗号总是在最后一个元素中并且你之前有“--”，你可以把“--”作为scan调用中的注释字符，这样它就会被忽略？
嗨，谢谢。我认为这可能奏效了。顺便说一句，是否可以将“--”作为评论字符（我收到一条错误消息，但单个（“-”似乎可以工作）。
如果您需要 cmets，您仍然可以将第 6 个逗号替换为分号并使用您之前的解决方案：gsub("((?:[^,]*,){5}[^,]*),", "\\1;", vec1, perl=TRUE)。但是，它不会“规范化”后面可能出现的任何其他逗号。
@JoeF，不知道，我认为“--”实际上会起作用，不明白为什么它不起作用......但从来没有使用超过一个字符
@stribizhev 或sub("^([^,]+,){5}[^,]+\\K,", ";", vec1, perl=T)

标签： regex r csv

【解决方案1】：

如果您需要 cmets，您仍然可以将第 6 个逗号替换为分号并使用您之前的解决方案：

gsub("((?:[^,]*,){5}[^,]*),", "\\1;", vec1, perl=TRUE)

正则表达式解释：

((?:[^,]*,){5}[^,]*) - 一个捕获组，我们将其称为组 1，替换模式中带有 \\1，匹配
- (?:[^,]*,){5} - 5 个非逗号字符序列，后跟一个逗号
- [^,]* - 0 个或多个非逗号
, - 我们将在替换中将逗号变成;

或者（正如@CathG 指出的那样，\\K 运算符也可以与类似 Perl 的表达式一起使用）

sub("^([^,]+,){5}[^,]+\\K,", ";", vec1, perl=T)

转义序列\K 导致任何先前匹配的字符不包含在最终匹配的序列中。

但是，它不会“规范化”后面可能出现的任何其他逗号。

【讨论】：