处理 R 中的扫描错误 - 由数据中错位的 \n 分隔符引起
Dealing with scan error in R - Caused by misplaced \n separators in data
我正在使用 R 中的 read.table 阅读许多以制表符分隔的大型 .txt 文件。但是，有些行包含换行符 (\n)，其中应该有制表符 ( \t)，这会导致 Error in scan(...)。我怎样才能有力地处理这个问题？ （有没有办法在每次scan遇到错误时替换\n-->\t？）
编辑：
这是一个简单的例子：
read.table(text='a1\tb1\tc1\td1\n
a2\tb2\tc2\td2', sep='\t')
工作正常，returns 一个数据框。但是，假设由于某种错误，换行符 \n 应该有制表符 \t（例如，在 c1 之后）：
read.table(text='a1\tb1\tc1\nd1\n
a2\tb2\tc2\td2', sep='\t')
这引发了一个错误：
Error in scan(file, what, nmax, sep, dec, quote, skip, nlines, na.strings, :
line 1 did not have 4 elements
注意：使用 fill=T 无济于事，因为它会将 d1 推到新行。
如果您确实遇到了您所描述的确切问题（没有丢失数据，只是分隔符错误）尝试：
library(readr)
initial_lines <- read_lines('a1\tb1\tc1\nd1\na2\tb2\tc2\td2')
seperated_together <- unlist(strsplit(initial_lines, "\t", fixed = T))
matrix(seperated_together, ncol = 4)
给出：
[,1] [,2] [,3] [,4]
[1,] "a1" "c1" "a2" "c2"
[2,] "b1" "d1" "b2" "d2"
并按照您的意愿对其进行改造。
如果您缺少 data/complications 那么您必须：
strsplit(initial_lines,'\t',fixed=T)
给出：
[[1]]
[1] "a1" "b1" "c1"
[[2]]
[1] "d1"
[[3]]
[1] "a2" "b2" "c2" "d2"
并且您必须根据元素的数量对元素组合进行解析。
您还可以查看 readr 中的 ?count_fields。
我正在使用 R 中的 read.table 阅读许多以制表符分隔的大型 .txt 文件。但是，有些行包含换行符 (\n)，其中应该有制表符 ( \t)，这会导致 Error in scan(...)。我怎样才能有力地处理这个问题？ （有没有办法在每次scan遇到错误时替换\n-->\t？）
编辑：
这是一个简单的例子：
read.table(text='a1\tb1\tc1\td1\n
a2\tb2\tc2\td2', sep='\t')
工作正常，returns 一个数据框。但是，假设由于某种错误，换行符 \n 应该有制表符 \t（例如，在 c1 之后）：
read.table(text='a1\tb1\tc1\nd1\n
a2\tb2\tc2\td2', sep='\t')
这引发了一个错误：
Error in scan(file, what, nmax, sep, dec, quote, skip, nlines, na.strings, :
line 1 did not have 4 elements
注意：使用 fill=T 无济于事，因为它会将 d1 推到新行。
如果您确实遇到了您所描述的确切问题（没有丢失数据，只是分隔符错误）尝试：
library(readr)
initial_lines <- read_lines('a1\tb1\tc1\nd1\na2\tb2\tc2\td2')
seperated_together <- unlist(strsplit(initial_lines, "\t", fixed = T))
matrix(seperated_together, ncol = 4)
给出：
[,1] [,2] [,3] [,4]
[1,] "a1" "c1" "a2" "c2"
[2,] "b1" "d1" "b2" "d2"
并按照您的意愿对其进行改造。
如果您缺少 data/complications 那么您必须：
strsplit(initial_lines,'\t',fixed=T)
给出：
[[1]]
[1] "a1" "b1" "c1"
[[2]]
[1] "d1"
[[3]]
[1] "a2" "b2" "c2" "d2"
并且您必须根据元素的数量对元素组合进行解析。
您还可以查看 readr 中的 ?count_fields。