- 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?
我有一个包含许多 .txt 文件的文件夹。我想读取所有文件,然后从位于两个单词之间的每个文件中提取文本并将它们存储在 .csv 文件中。
要提取的文本总是在两个词之间
IMPRESSION: "text to be extracted" (Dr. Deepak Bhatt)
OR
IMPRESSION : "text to be extracted" (Dr. Deepak Bhatt)
我在下面写的代码没有从所有文件中提取文本。我该如何解决这个问题?
names <- list.files(path = "C:\\Users\\Admin\\Downloads\\data\\data",
pattern = "*.txt", all.files = FALSE,
full.names = FALSE, recursive = FALSE,
ignore.case = FALSE, include.dirs = FALSE, no.. = FALSE)
all.names <- lapply(names,readFn)
readFn <- function(i)
{
file <- read_file(i)
file <- gsub("[\r\n\t]", " ", file)
extracted_txt <- rm_between(file,
'IMPRESSION :', '(Dr. Deepak Bhatt)',
extract=TRUE, trim = TRUE, clean = TRUE)
if(is.na(extracted_txt))
{
extracted_txt <- rm_between(file,
'IMPRESSION:', '(Dr. Deepak Bhatt)',
extract=TRUE, trim = TRUE, clean = TRUE)
}
}
output <- do.call(rbind,all.names)
name_of_file <- sub(".txt","",names)
final_output <- cbind(name_of_file,output)
colnames(final_output) <- c('filename','text')
write.csv(final_output,"final_output.csv",row.names=F)
示例 1:文件名 = 15-1-2011.txt
The optic nerve is normal.
There is diffuse enlargement of the lacrimal gland (more marked on the left side).
IMPRESSION:
Bilateral diffuse irregular enlargement of the lacrimal gland is due to inflammatory enlargement (? Sjogerns syndrome).
The left gland is more enlarged than right.
No mass lesion or cystic lesion noted.
No evidence of retinal detachment.
(Dr. Deepak Bhatt)
(B-Scan findings are interpretation of echoes and need to be correlated clinically)
#
示例 2:1-12-48.txt
The ciliary body and ciliary process are normal in position and texture.
There is marked steching of the zonules.
IMPRESSION :
Left sided marked stretching of the zonules noted from 2 to 6 O’clock position.
There is absence of zonules at 3 O’clock position.
The angle is normal and the ciliary body, processes are normal in position.
(Dr. Deepak Bhatt)
(UBM findings are interpretation of echoes and need to be correlated clinically)
#### 客观的
OUTPUT file: final_output.csv
15-1-2011 Bilateral diffuse.....retinal detachment.
1-12-48 Left sided marked stretching of the zonules ...in position.
最佳答案
您可以为此使用 gsub
:
text_between_words <- "IMPRESSION: text to be extracted (Dr. Deepak Bhatt)"
gsub('IMPRESSION:\\s+(.*)\\s+\\(.*\\)', '\\1', text_between_words)
结果:
[1] "text to be extracted "
或者结合trimws
:
trimws(gsub('IMPRESSION:(.*)\\(.*\\)', '\\1', text_between_words))
结果:
[1] "text to be extracted"
当 IMPRESSION
和 :
之间有时有空格时,您可以将代码调整为:
text_between_words2 <- "IMPRESSION : text to be extracted (Dr. Deepak Bhatt)"
trimws(gsub('IMPRESSION\\s{0,1}:(.*)\\(.*\\)', '\\1', text_between_words2))
如您所见,我在 IMPRESSION
和 :
之间添加了 \\s{0,1}
。这将查看 IMPRESSION
和 :
之间是否有零个或一个空格。结果:
[1] "text to be extracted"
对于下面评论中要求的调整,您也需要调整方法:
text_between_words3 <- "Some Text before..... IMPRESSION: text to be extracted (Dr. Deepak Bhatt) text that should go too"
trimws(gsub('.*IMPRESSION\\s{0,1}:(.*)\\(.*\\).*', '\\1', text_between_words3))
结果:
[1] "text to be extracted"
如果文本中只有那个特定的名字(Dr. Deepak Bhatt
),你也可以这样做:
trimws(gsub('.*IMPRESSION\\s{0,1}:(.*)\\(Dr. Deepak Bhatt\\).*', '\\1', text_between_words3))
关于r - 从R中的文件夹中的所有文件中提取两个单词之间的文本,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/47590481/
我需要修复 getLineNumberFor 方法,以便如果 lastName 的第一个字符位于 A 和 M 之间,则返回 1;如果它位于 N 和 Z 之间,则返回 2。 在我看来听起来很简单,但我不
您好,感谢您的帮助!我有这个: 0 我必须在每次点击后增加“pinli
Javascript 中是否有一种方法可以在不使用 if 语句的情况下通过 switch case 结构将一个整数与另一个整数进行比较? 例如。 switch(integer) { case
我有一列是“日期”类型的。如何在自定义选项中使用“之间”选项? 最佳答案 请注意,您有2个盒子。 between(在SQL中)包含所有内容,因此将框1设置为:DATE >= startdate,将框2
我有一个表,其中包含年、月和一些数字列 Year Month Total 2011 10 100 2011 11 150 2011 12 100 20
这个问题已经有答案了: Extract a substring between double quotes with regular expression in Java (2 个回答) how to
我有一个带有类别的边栏。正如你在这里看到的:http://kees.een-site-bouwen.nl/ url 中类别的 ID。带有 uri 段(3)当您单击其中一个类别时,例如网页设计。显示了一
这个问题在这里已经有了答案: My regex is matching too much. How do I make it stop? [duplicate] (5 个答案) 关闭 4 年前。 我
我很不会写正则表达式。 我正在尝试获取括号“()”之间的值。像下面这样的东西...... $a = "POLYGON((1 1,2 2,3 3,1 1))"; preg_match_all("/\((
我必须添加一个叠加层 (ImageView),以便它稍微移动到包含布局的左边界的左侧。 执行此操作的最佳方法是什么? 尝试了一些简单的方法,比如将 ImageView 放在布局中并使用负边距 andr
Rx 中是否有一些扩展方法来完成下面的场景? 我有一个开始泵送的值(绿色圆圈)和其他停止泵送的值(簧片圆圈),蓝色圆圈应该是预期值,我不希望这个命令被取消并重新创建(即“TakeUntil”和“Ski
我有一个看起来像这样的数据框(Dataframe X): id number found 1 5225 NA 2 2222 NA 3 3121 NA 我有另一个看起来
所以,我正在尝试制作正则表达式,它将解析存储在对象中的所有全局函数声明,例如,像这样 const a = () => {} 我做了这样的事情: /(?:const|let|var)\s*([A-z0-
我正在尝试从 Intellivision 重新创建 Astro-Smash,我想让桶保持在两个 Angular 之间。我只是想不出在哪里以及如何让这个东西停留在两者之间。 我已经以各种方式交换了函数,
到处检查但找不到答案。 我有这个页面,我使用 INNER JOIN 将两个表连接在一起,获取它们的值并显示它们。我有这个表格,用来获取变量(例如开始日期、结束日期和卡号),这些变量将作为从表中调用值的
我陷入了两个不同的问题/错误之间,无法想出一个合适的解决方案。任何帮助将不胜感激 上下文、FFI 和调用大量 C 函数,并将 C 类型包装在 rust 结构中。 第一个问题是ICE: this pat
我在 MySQL 中有一个用户列表,在订阅时,时间戳是使用 CURRENT_TIMESTAMP 在数据库中设置的。 现在我想从此表中选择订阅日期介于第 X 天和第 Y 天之间的表我尝试了几个查询,但不
我的输入是开始日期和结束日期。我想检查它是在 12 月 1 日到 3 月 31 日之间。(年份可以更改,并且只有在此期间内或之外的日期)。 到目前为止,我还没有找到任何关于 Joda-time 的解决
我正在努力了解线程与 CPU 使用率的关系。有很多关于线程与多处理的讨论(一个很好的概述是 this answer )所以我决定通过在运行 Windows 10、Python 3.4 的 8 CPU
我正在尝试编写 PHP 代码来循环遍历数组以创建 HTML 表格。我一直在尝试做类似的事情: fetchAll(PDO::FETCH_ASSOC); ?>
我是一名优秀的程序员,十分优秀!