- 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?
有这样一个文本文件(例子): https://drive.google.com/open?id=0B1vq9WjkqkvzTEVEUnlXMGVFa00
原始文件有 65k 行。我需要将它上传到 R 并使其可处理。我使用了以下功能:
read.table
- 无效(R 从未返回任何结果)fread
来自 data.table
包 - 需要对文件进行大量手动预处理,并且由于引号中断行且文件未按需要工作t 以适当的形式)scan
得到一个向量,转换成矩阵没有带来所需的结果。 所需的文件形式是常规数据框:
mydata <- structure(list(fieldName = structure(c(3L, 3L), .Label = c("description",
"scraped_manufacturer", "title"), class = "factor"), foreign_id = c(13389,
13389), is_single_product = structure(1:2, .Label = c("FALSE",
"TRUE"), class = "factor"), matched_manufacturers = c("Foden /manId: 76775",
"Caterpillar /manId: 74, Skogsjan-Caterpillar /manId: 10329"),
matched_products = c("", "C12 /modelId: 32774 /manId: 74"
), raw_string = c("CAT FODEN C-12 ENGINE", "CATERPILLAR C-12 ENGINE"
), pagesource = structure(c(84L, 84L), .Label = c("", "585e362f6b010083d6962041",
"585f270a300000c614b819ed", "585f84be6b0100c6ee962ab1", "585f84dc66010074efac42ca",
"585f875a6b0100c7ee963000", "585f878c66010074efac483e", "585f87ad66010075efac4880",
"585f88e06b0100b6ee96331c", "585f8b4566010074efac4fcb", "agriaffaires",
"apex-auctions", "arlington-plastics-machinery", "auctelia",
"auctions-international", "autogilles", "baestlein", "baupool",
"bavaria-swiss-ag", "big-iron", "big-machinery", "blackforxx",
"blue-group", "bpi-associates", "buk-baumaschinen", "cegema",
"christophbusch", "cjm-asset", "classified", "cnc-auction",
"cottrill-and-co", "daan", "de-vries", "dechow", "dimex-import-export",
"e-farm", "ebay", "ebay-de", "eberle-hald-gmbh", "eggers-landmaschinen",
"euro-auctions", "fabricating-machinery-corp", "fastline",
"ferwood", "fh-machinery", "first-machinery-auctions-limited",
"forklift-international", "ga-tec-gabelstaplertechnik", "gambtec",
"geiger", "german-graphics", "goindustry-dovebid", "graf",
"gruma-nutzfahrzeuge-gmbh", "hanselmann", "heinrich-kuper-gmbh",
"hooray-machinery", "imz-maschinen", "industrial-discount",
"ipr-petmachinery", "ironplanet", "ironplanet-com", "karl-guenter-wirths-gmbh",
"karner-dechow", "kurt-steiger", "kvd-auctions", "lagermaschinen",
"leinweber-landtechnik", "mach4metal", "machinefinder", "machinery-park",
"machineryzone", "maschinenbau-rehnen-gmbh", "mideast-equipment",
"mmtequipment", "oskar-broziat-maschinen", "perfection-global",
"perlick", "perry-videx", "pfeifer-machinery", "plustech-as",
"polboto-agri-sp-z-oo", "pressenhaas", "rc-tuxford-exports",
"resale", "restlos", "richter-friedewald-gmbh", "ritchie-bros",
"rock-and-dirt", "rogiers", "rs-auktionen", "stig-bindner",
"surplex", "technikboerse", "themar-trucks", "traktorpool",
"unilift", "vebim", "vertimac", "zeppelin-caterpillar", "zoll-auktion",
"zuern-gmbh"), class = "factor")), .Names = c("fieldName",
"foreign_id", "is_single_product", "matched_manufacturers", "matched_products",
"raw_string", "pagesource"), row.names = 1:2, class = "data.frame")
关于如何使用该文件有任何想法吗?
最佳答案
考虑在可以读取 RTF 类型的软件中打开文本文件。在 Windows 机器上,Microsoft Word 和内置写字板可以读取 .rtf 文档。这样做时,有效的 json 会显示在文档中(没有标记内容)。
幸运的是,Windows 上的 R 可以使用 RDCOMClient
库连接到 MS Word 对象库,您可以在其中使用 Document.Content 提取文本属性(property)。读取 json 文本后,使用 jsonlite
库将内容迁移到数据框:
library(RDCOMClient)
library(jsonlite)
# OPEN WORD APP
wrdApp = COMCreate("Word.Application")
wrdDoc = wrdApp$Documents()$Open("C:\Path\To\Data.txt")
wrdtext = wrdDoc[['Content']]
# EXTRACT TEXT TO R VARIABLE
doc = wrdtext$Text()
# CLOSE APP
wrdDoc$Close(FALSE)
wrdApp$Quit()
# RELEASE RESOURCES
wrdtext <- wrdDoc <- wrdApp <- NULL
rm(wrdtext, wrdDoc, wrdApp)
gc()
# RAW DF: NAME / COLUMNS / VALUES LIST TYPES
rawdf <- fromJSON(doc)[[1]][[1]][[1]]
# FINAL DF: NORMALIZING VALUES WITH COL NAMES
finaldf <- setNames(data.frame(rawdf$values, stringsAsFactors = FALSE),
rawdf$columns[[1]])
输出
备选
您应该没有安装 MS Word。启动 CMD 提示符并使用命令行打开写字板(内置 Windows 应用程序)并将所有内容复制到 .json 文件(或右键单击文本文件并使用写字板打开)。如果在另一个操作系统(Linux/Mac)上执行特殊应用程序和终端调用的对应部分:
write "D:\Path\To\Data.txt"
保存json文件后,然后在R中运行:
rawdf <- do.call(rbind, lapply(paste(reaadLines("C:\Path\To\Data.json", warn=FALSE),
collapse=""),
jsonlite::fromJSON))[[1]][[1]][[1]]
finaldf <- setNames(data.frame(rawdf$values, stringsAsFactors = FALSE),
rawdf$columns[[1]])
关于r - txt文件的异常结构,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/41531562/
今天我在一个 Java 应用程序中看到了几种不同的加载文件的方法。 文件:/ 文件:// 文件:/// 这三个 URL 开头有什么区别?使用它们的首选方式是什么? 非常感谢 斯特凡 最佳答案 file
就目前而言,这个问题不适合我们的问答形式。我们希望答案得到事实、引用或专业知识的支持,但这个问题可能会引起辩论、争论、投票或扩展讨论。如果您觉得这个问题可以改进并可能重新打开,visit the he
我有一个 javascript 文件,并且在该方法中有一个“测试”方法,我喜欢调用 C# 函数。 c# 函数与 javascript 文件不在同一文件中。 它位于 .cs 文件中。那么我该如何管理 j
需要检查我使用的文件/目录的权限 //filePath = path of file/directory access denied by user ( in windows ) File fil
我在一个目录中有很多 java 文件,我想在我的 Intellij 项目中使用它。但是我不想每次开始一个新项目时都将 java 文件复制到我的项目中。 我知道我可以在 Visual Studio 和
已关闭。此问题不符合Stack Overflow guidelines 。目前不接受答案。 这个问题似乎不是关于 a specific programming problem, a software
我有 3 个组件的 Twig 文件: 文件 1: {# content-here #} 文件 2: {{ title-here }} {# content-here #}
我得到了 mod_ldap.c 和 mod_authnz_ldap.c 文件。我需要使用 Linux 命令的 mod_ldap.so 和 mod_authnz_ldap.so 文件。 最佳答案 从 c
我想使用PIE在我的项目中使用 IE7。 但是我不明白的是,我只能在网络服务器上使用 .htc 文件吗? 我可以在没有网络服务器的情况下通过浏览器加载的本地页面中使用它吗? 我在 PIE 的文档中看到
我在 CI 管道中考虑这一点,我应该首先构建和测试我的应用程序,结果应该是一个 docker 镜像。 我想知道使用构建环境在构建服务器上构建然后运行测试是否更常见。也许为此使用构建脚本。最后只需将 j
using namespace std; struct WebSites { string siteName; int rank; string getSiteName() {
我是 Linux 新手,目前正在尝试使用 ginkgo USB-CAN 接口(interface) 的 API 编程功能。为了使用 C++ 对 API 进行编程,他们提供了库文件,其中包含三个带有 .
我刚学C语言,在实现一个程序时遇到了问题将 test.txt 文件作为程序的输入。 test.txt 文件的内容是: 1 30 30 40 50 60 2 40 30 50 60 60 3 30 20
如何连接两个tcpdump文件,使一个流量在文件中出现一个接一个?具体来说,我想“乘以”一个 tcpdump 文件,这样所有的 session 将一个接一个地按顺序重复几次。 最佳答案 mergeca
我有一个名为 input.MP4 的文件,它已损坏。它来自闭路电视摄像机。我什么都试过了,ffmpeg , VLC 转换,没有运气。但是,我使用了 mediainfo和 exiftool并提取以下信息
我想做什么? 我想提取 ISO 文件并编辑其中的文件,然后将其重新打包回 ISO 文件。 (正如你已经读过的) 我为什么要这样做? 我想开始修改 PSP ISO,为此我必须使用游戏资源、 Assets
给定一个 gzip 文件 Z,如果我将其解压缩为 Z',有什么办法可以重新压缩它以恢复完全相同的 gzip 文件 Z?在粗略阅读了 DEFLATE 格式后,我猜不会,因为任何给定的文件都可能在 DEF
我必须从数据库向我的邮件 ID 发送一封带有附件的邮件。 EXEC msdb.dbo.sp_send_dbmail @profile_name = 'Adventure Works Admin
我有一个大的 M4B 文件和一个 CUE 文件。我想将其拆分为多个 M4B 文件,或将其拆分为多个 MP3 文件(以前首选)。 我想在命令行中执行此操作(OS X,但如果需要可以使用 Linux),而
快速提问。我有一个没有实现文件的类的项目。 然后在 AppDelegate 我有: #import "AppDelegate.h" #import "SomeClass.h" @interface A
我是一名优秀的程序员,十分优秀!