- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
这个问题是this的后续问题.
以下 metadata.txt
由以下人员生成:pdftk sample.pdf dump_data > metadata.txt
元数据.txt:
InfoBegin
InfoKey: ModDate
InfoValue: D:20170817080316Z00'00'
InfoBegin
InfoKey: CreationDate
InfoValue: D:20170817080316Z00'00'
InfoBegin
InfoKey: Creator
InfoValue: Adobe Acrobat 7.0
InfoBegin
InfoKey: Producer
InfoValue: Mac OS X 10.9.5 Quartz PDFContext
PdfID0: 76cf9fd41f0778314abfec8b34d8388d
PdfID1: 76cf9fd41f0778314abfec8b34d8388d
NumberOfPages: 612
BookmarkBegin
BookmarkTitle: Contents
BookmarkLevel: 1
BookmarkPageNumber: 11
BookmarkBegin
BookmarkTitle: Preface
BookmarkLevel: 1
BookmarkPageNumber: 5
BookmarkBegin
BookmarkTitle: Explanatory Note and Abbreviations Used
BookmarkLevel: 1
BookmarkPageNumber: 7
PageMediaBegin
PageMediaNumber: 1
PageMediaRotation: 0
PageMediaRect: 0 0 405 616
PageMediaDimensions: 405 616
我希望 R 将目录 (TOC) 信息从 metadata.txt
读取到 data.frame 中,从第一个 BookmarkBegin
开始到BookmarkPageNumber
紧接在 PageMediaBegin
之前。
可以通过以下代码过滤出感兴趣的区域:
require(stringi)
connect=file('metadata.txt')
metadata=readLines(connect)
existing_toc=c(min(grep('BookmarkBegin', metadata)),max(grep('BookmarkPageNumber', metadata)))
metadata_toc=metadata[existing_toc[1]:existing_toc[2]]
删除 BookmarkBegin
并在每次第一次出现 :
时拆分每行的字符串,通过:
toc_data=metadata_toc[-grep('BookmarkBegin', metadata_toc)]
toc_data_split=stri_split_fixed(toc_data, ": ", n=2)
让我得到以下列表:
[[1]]
[1] "BookmarkTitle" "Contents"
[[2]]
[1] "BookmarkLevel" "1"
[[3]]
[1] "BookmarkPageNumber" "11"
[[4]]
[1] "BookmarkTitle" "Preface "
[[5]]
[1] "BookmarkLevel" "1"
[[6]]
[1] "BookmarkPageNumber" "5"
[[7]]
[1] "BookmarkTitle"
[2] "Explanatory Note and Abbreviations Used "
[[8]]
[1] "BookmarkLevel" "1"
[[9]]
[1] "BookmarkPageNumber" "7"
我应该如何从这里继续获取像这样的 data.frame:
structure(list(BookmarkTitle = structure(c(1L, 3L, 2L), .Label = c("Contents",
"Explanatory Note and Abbreviations Used", "Preface"), class = "factor"),
BookmarkLevel = c(1, 1, 1), BookMarkPageNumber = c(11, 5,
7)), .Names = c("BookmarkTitle", "BookmarkLevel", "BookMarkPageNumber"
), row.names = c(NA, -3L), class = "data.frame")
BookmarkTitle BookmarkLevel
1 Contents 1
2 Preface 1
3 Explanatory Note and Abbreviations Used 1
BookMarkPageNumber
1 11
2 5
3 7
最佳答案
此基本解决方案会将 metadata_toc
转换为数据框。首先用空行替换没有冒号的每一行。它现在采用 Debian 控制文件 (DCF) 格式,因此请使用 read.dcf
读取它。将生成的矩阵 m
转换为数据框 DF
并将列类型转换为字符和数字。
metadata_toc[grep(":", metadata_toc, invert = TRUE)] <- ""
m <- read.dcf(textConnection(metadata_toc))
DF <- as.data.frame(m, stringsAsFactors = FALSE)
DF[] <- lapply(DF, type.convert, as.is = TRUE)
给予:
> DF
BookmarkTitle BookmarkLevel BookmarkPageNumber
1 Contents 1 11
2 Preface 1 5
3 Explanatory Note and Abbreviations Used 1 7
metadata_toc <- c("BookmarkBegin", "BookmarkTitle: Contents", "BookmarkLevel: 1",
"BookmarkPageNumber: 11", "BookmarkBegin", "BookmarkTitle: Preface ",
"BookmarkLevel: 1", "BookmarkPageNumber: 5", "BookmarkBegin",
"BookmarkTitle: Explanatory Note and Abbreviations Used ", "BookmarkLevel: 1",
"BookmarkPageNumber: 7")
关于r - 将冒号分隔的列表解析为 data.frame,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50284647/
最近,我在 XCode 上的调试器停止正常工作,并给出了以下错误: 此帧内的前一帧(gdb 无法展开超过此帧) 我已经浏览过 SO 的另一个线程,谈论丢失的符号。我通过删除符号目录并让它从 iPod
当我在设备上遇到断点时,出现以下调试器错误: 来自调试器的错误:此帧内的上一帧(gdb 无法展开超过此帧) 当应用程序遇到断点时,就会发生这种情况。如果我点击调试器中的继续按钮,它会愉快地继续,直到下
如何在 WinRT XAML 应用程序中操作框架的历史记录? 用户将从我的中心页面开始,他们可以在其中选择一个现有项目以转到其编辑屏幕,或者他们可以选择“新项目”。 “新项目”将引导他们完成一个简短的
2 帧,我希望第 2 帧“覆盖”/更新第 1 帧。基本上,其中 Table1-colB-value = Table2-oldB-value,用 Table2-newB-value 覆盖 Table1-
我正在尝试逐帧动画,但它给了我一个强制关闭,我不确定为什么它给我一个强制关闭。在我看来一切都很好。 这是我的代码,我希望有人能帮忙吗?提前致谢。 动画测试.java import android.ap
这是我的主课。 package pomsystem; public class POMSystem { public static void main(String[] args) {
如果为TRUE,我想从函数返回一个data.frame,否则使用return(ifelse(condition, mydf, NA)) 返回NA 但是, ifelse 会从 data.frame 中删
我正在处理两个 csv 文件并导入为数据框 df1 和 df2 df1 有 50000 行,df2 有 150000 行。 我想比较(遍历每一行)df2 的“时间”df1,求时间差,返回所有列的值对应
我将许多文件夹中的小文本文件读取到一个列表中。因此,我有一个长度为 n 的列表,其中包含 2 个 data.frames。 这是列表元素 3 的示例(在问题末尾输入) ip_list[[3]] $`d
为了找出数据框 df.a 是否是数据框 df.b 的子集,我做了以下操作: df.a semi_join(df.b, df.a) Joining by: c("x", "y") x y 1 1
在某些情况下,出于实现原因,我有一个只包含一个列的 data.frame df=as.data.frame(alpha=1:15) 如果我现在使用 df[-1, ] 它返回一个向量,但我想将它保留为一
Windows 8.1 商店应用中的 Frame.Navigate() 和 this.Frame.Navigate() 有什么区别? 这有什么区别 Frame.Navigate(typeof(Logi
我有两个 data.frames (df1, df2),我想用 df1$V2 的值替换 P1-P10 列中的字母值,但保留前两列df2. df1 = data.frame(V1=LETTERS, V2
有没有更好的方法来制作与现有 data.frame 具有相同维度、列名和行名的空白 data.frame? BAM<-read.table(~/myfile) # 10 rows and 10 co
我有一个列表 data.frame s。例如 set.seed(1) my_list result.df id var_p var_m var_d var_a
假设我有两个数据框 df1 和 df2 如下 Df1 Id Price Profit Month 10 5 2 1 10 5 3 2 10 5 2
我将创建一个网站,除了它自己的内容之外,它还将链接(在 iframe 中)到世界最大的报纸网站,如纽约时报、金融时报和其他一些网站。 但是我遇到了框架许可的问题。例如,纽约时报向我展示了一个错误 Lo
假设我有一个 data.frame: df x x A 1 10 2 20 3 30 从文档中(参见 ?"[" )您可以找到: If drop=TRUE the result is coer
我有一个想要克隆的现有 data.frame,但没有其中的值。 IE。我希望新框架具有与现有框架相同的列名称和类型。原始帧的大小可能为 GB 量级,因此复制和删除数据似乎不是正确的方法,并且迭代现有列
给定两个在列名称/数据类型方面相同的数据帧,其中某些列唯一标识行,是否有一种有效的函数/方法可以让一个数据帧“更新”另一个数据帧? 例如,在下面的例子中,原始和替换由'Name'和'Id'标识>。 g
我是一名优秀的程序员,十分优秀!