- iOS/Objective-C 元类和类别
- objective-c - -1001 错误,当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
我认为这是一个相当不寻常的问题,因为我在任何地方都找不到任何答案。我有大约 100000 个单词文档(即临床报告信 - 所以它们都是自由文本,带有逗号、格式等),它们都存储在同一个文件夹中。我希望将它们合并到一个电子表格中(最好是 .csv),以便每个 .doc 占据 .csv 的一行。
为了使问题复杂化,每个 .doc 的前 6 个字符包括每个文件的 ID 号(即“123456report.doc”-“报告”名称也可能具有可变长度和字符:即“123456John Smith 报告”。 doc”或“123457Jack Ryan Rep 01 01 2013.doc”)。最初我将 .doc 存储在包含 ID 号的各个文件夹中(实际上它是一个子文件夹系统,文件夹名称的串联给出了 .doc 的 ID 号,然后我设法将其添加到文件名中) -让我知道这是否有用,我可以更详细地解释)。
因此,我需要的 .csv 最终结构是:
ID, Clinical report
123456, clinical text in document 123456report1.doc
123457, clinical text in document 123457report2.doc
123458, clinical text in document 123458report3.doc
...
请注意,ID 可能会在数据表中重复(即,如果一名患者接受多次检查,则为该患者发布多份报告)并且非常重要,因为允许我将此 ID 与包含其他数据的其他电子表格进行交叉引用。
我不确定这是否简单(我想可能不简单),但我不知道从哪里开始。我什至不确定实现此目标的最佳环境,因此将不胜感激任何提示!即使这包括获取一些专为此类任务设计的软件。
非常感谢,马可
最佳答案
在 R
中,您可以使用循环来处理充满文件的目录,并在循环内使用 qdap
包中的 read.transcript
> 读取文件并处理它们。 qdap
也会为您做一些文本分析。该包的作者经常在 SO 上,您可能会从他那里得到更完整的答案。但是阅读 qdap
可能是您开始一个坚实的开始所需要的。关于制作循环和处理文件的细节的问题适合另一个问题(尽管 SO 上已经有很多这样的问题,你可能可以通过搜索 SO 找到你需要的东西)。但这里有一个简单的循环结构可以让您了解:
files <- list.files(pattern = "\\.(docx|DOCX)")
files.noext <- substr(basename(files), 1, nchar(basename(files)) - 4)
out.files <- paste(files.noext, "csv", sep = "")
for (i in 1:length(files)) {
# process the files here with qdap, accumulating the results into a new
# structure to be determined; write out as csv
# you might need two passes, one to unpack the docx, then one to assemble them
# into a single structure for further analysis
}
关于java - 将多个 .doc 合并到一个 .csv 中,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/19741289/
我有两个 csv 文件 file1.csv 和 file2.csv。 file1.csv 包含 4 列。 文件1: Header1,Header2,Header3,Header4 aaaaaaa,bb
我想知道是否有任何方法可以在导入数据库之前测试 CSV 文件? 我有一个包含多列的巨大 CSV 文件,每列都有不同的数据类型和大小。如何测试生成的 CSV 文件中出现的数据是否与每列的大小一致? 还有
我正在从 SCOM 中提取服务器列表,并希望根据包含以下数据的 CSV 检查此列表: Computername,Collection Name Server01,NA - All DA Servers
我有一个包含 24 列的 csv 文件。其中我只想阅读 3 列。我看到 super CSV 是一个非常强大的库,但我不知道如何部分读取 CSV。 partial reading上的链接坏了。 请帮我举
我正在尝试将加特林日志文件导出到 CSV,因为我需要更新 google 电子表格中的所有全局值,因为我的经理需要电子表格中的值。 最佳答案 此 CSV 文件被删除并替换为 JSON 文件,名为 glo
我对 csv 是结构化数据还是半结构化数据感到困惑。 就像 RDBMS 是一个有关系的结构化数据,但 csv 没有关系。 我无法找到确切的答案。 最佳答案 我可以说,具有恒定列和行(二维)的 CSV
我正在使用 pipes-csv 库读取一个 csv 文件。我想先读第一行,然后再读其余的。不幸的是,在 Pipes.Prelude.head 函数返回之后。管道正在以某种方式关闭。有没有办法先读取 c
起初这似乎很明显,但现在我不太确定。 如果 CSV 文件具有以下行: a, 我会将其解释为具有值“a”和“”的两个字段。但是然后查看一个空行,我可以很容易地争辩说它表示一个值为“”的字段。 我接受文件
我正在尝试将列表字典写入 CSV 文件。我希望这些键是 CSV 文件的标题,以及与该键关联的列中的每个键关联的值。 如果我的字典是: {'600': [321.4, 123.5, 564.1, 764
关闭。这个问题是off-topic .它目前不接受答案。 想改进这个问题吗? Update the question所以它是on-topic用于堆栈溢出。 关闭 10 年前。 Improve thi
是否有任何官方方法允许 CSV 格式的文件允许评论,无论是在其自己的行上还是在行尾? 我尝试检查wikipedia关于此以及RFC 4180但两者都没有提到任何让我相信它不是文件格式的一部分的内容,所
我有一些 csv 格式的数据。然而它们已经是一个字符串,因为我是从 HTTP 请求中获取它们的。我想使用数据框来查看数据。但是我不知道如何解析它,因为 CSV 包只接受文件,而不接受字符串。 一种解决
我有一个 CSV 文件,其中包含一些字段的值列表。它们作为 HTML“ul”元素存储在数据库中,但我想将它们转换为对电子表格更友好的东西。 我应该使用什么作为分隔符?我可以使用转义的逗号、竖线、分号或
我使用 Google 表格(电子表格)来合并我的 Gambio 商店的不同来源的文章数据。要导入数据,我需要在 .csv 文件中使用管道符号作为分隔符/分隔符,并使用 "作为文本分隔符。在用于导出为
这是一个奇怪的请求,因为我们都知道数据库头不应该包含空格。 但是,我正在使用的系统需要在其标题中使用空格才能导入。 我创建了一个 Report Builder 报告,它将数据构建到一个表中,并在我运行
我有一个 .csv 文件,我需要将其转换为 coldfusion 查询。我使用了 cflib.org CSVtoQuery 方法,它工作正常......但是...... 如果 csv 中的“单元格”在
我想知道是否有任何方法可以生成文化中性 CSV 文件,或者至少指定文件中存在的特定列的数据格式。 例如,我生成了包含带小数点分隔符 (.) 的数字的 CSV 文件,然后 将其传递给小数点分隔符为 (,
我正在构建一个 CSV 字符串 - 因此用户单击 div 的所有内容 - 5 个字符的字符串都会传递到隐藏字段中 - 我想做的是附加每个新值并创建一个 CSV 字符串 - 完成后- 在文本框中显示 -
我正在努力从另外两个文件创建一个 CSV 文件 这是我需要的 我想要的文件(很多其他行) “AB”;“A”;“B”;“C”;“D”;“E” 我拥有的文件: 文件 1:"A";"B";"C";"D";"
我正在尝试将表导出到配置单元中的本地 csv 文件。 INSERT OVERWRITE LOCAL DIRECTORY '/home/sofia/temp.csv' ROW FORMAT DELIMI
我是一名优秀的程序员,十分优秀!