R - 如何提取字符串和空行之间的文本？
R - How to extract text between string and blank line?
我正在使用readLines读取以下文本文件的内容：
*--------------------------------------------------------------------*
* 7. Measured data *
* And option to force measured LAI during simulation *
* (instead of using simulated values) *
*--------------------------------------------------------------------*
* Observed phenology: only required if program DRATES is run!!
IDOYTR = 194 ! Day of transplanting (give 0 if direct-seeded)
IYRTR = 1991 ! Year of transplanting (give 0 if direct-seeded)
IDOYPI = 240 ! Day of panicle initiation (give -99 if not observed)
IYRPI = 1991 ! Year of panicle initiation (give -99 if not observed)
IDOYFL = 260 ! Day of flowering
IYRFL = 1991 ! Year of flowering
IDOYM = 288 ! Day of maturity
IYRM = 1991 ! Year of maturity
*Leaf Area Index (m2 leaf / m2 ground):
LAI_OBS =
1991., 182., 0.00 ,
1991., 194., 0.028,
1991., 202., 0.185,
1991., 211., 0.325,
1991., 219., 1.048,
1991., 240., 3.680,
1991., 254., 5.010,
1991., 260., 4.628,
1991., 273., 3.520,
1991., 288., 1.938
*-- Parameter to set forcing of observed LAI during simulation
LAI_FRC = 0 ! No forcing
*LAI_FRC = 2 ! Forcing
而且我需要以编程方式仅提取由 LAI_OBS = 标识的文本块。 LAI_OBS =所在的行号因文件而异。因此，我需要找到一种方法来读取字符串 LAI_OBS = 和下一个空行之间的所有文本。
到目前为止我正在使用：
l <- readLines('file.txt')
which(obs.lai=='LAI_OBS =')
我可以识别我需要提取的块的起始行，但我不知道如何指示 R 转到 LAI_OBS = 之后的第一个空行。
我需要的结果是一个如下所示的数据框：
1991 182 0.00
1991 194 0.028
1991 202 0.185
1991 211 0.325
1991 219 1.048
1991 240 3.680
1991 254 5.010
1991 260 4.628
1991 273 3.520
1991 288 1.938
在 R 中执行此操作的简便方法是什么？谢谢。
获取"LAI_OBS"的索引（貌似==可以用于case，如果不是固定大小写，那么grep更有用。然后，获取nzchar的空白元素的索引，select第一个大于'i1'的空索引，获取从'i1'到'i2'的序列（制作后调整，即加 1 和减 1)，使用 sub/gsub 删除多余的字符并使用 read.csv
读取
i1 <- grep("LAI_OBS =", l)+1
i2 <- which(!nzchar(l))
i3 <- i2[i2>i1][1]-1
read.csv(text=gsub("\.,", ",", sub("\s*,$", "", l[i1:i3])), header=FALSE)
# V1 V2 V3
#1 1991 182 0.000
#2 1991 194 0.028
#3 1991 202 0.185
#4 1991 211 0.325
#5 1991 219 1.048
#6 1991 240 3.680
#7 1991 254 5.010
#8 1991 260 4.628
#9 1991 273 3.520
#10 1991 288 1.938
据我所知，关于输入文件的棘手部分是能够清楚地表达输入数据的结束位置。一种方法是继续沿着当前路径前进并再次使用 which 来匹配以下行：
*-- Parameter to set forcing of observed LAI during simulation
idx1 <- which(obs.lai=='LAI_OBS =')
idx2 <- which(substring(obs.lai, 1, 20) == '*-- Parameter to set')
df.keep <- obs.lai[idx1:idx2-1, ]
请注意，如果文件有多行以我尝试匹配的 20 个字符开头，您可能需要增加子字符串的长度。我的预感是整行是独一无二的，因为它指的是 LAI 模拟。
这可行，虽然不优雅但可以完成工作：
l <- readLines('data.txt')
first <- which(l=='LAI_OBS =')
blanks <- which(l=='')
whichblank <- which(which(l=='') > first)
last <- blanks[whichblank]
first
last
输出：
[1] 18 [1] 29
当然，如果文件中有更多空行，您只需从 whichblank
中获取第一个
我正在使用readLines读取以下文本文件的内容：
*--------------------------------------------------------------------*
* 7. Measured data *
* And option to force measured LAI during simulation *
* (instead of using simulated values) *
*--------------------------------------------------------------------*
* Observed phenology: only required if program DRATES is run!!
IDOYTR = 194 ! Day of transplanting (give 0 if direct-seeded)
IYRTR = 1991 ! Year of transplanting (give 0 if direct-seeded)
IDOYPI = 240 ! Day of panicle initiation (give -99 if not observed)
IYRPI = 1991 ! Year of panicle initiation (give -99 if not observed)
IDOYFL = 260 ! Day of flowering
IYRFL = 1991 ! Year of flowering
IDOYM = 288 ! Day of maturity
IYRM = 1991 ! Year of maturity
*Leaf Area Index (m2 leaf / m2 ground):
LAI_OBS =
1991., 182., 0.00 ,
1991., 194., 0.028,
1991., 202., 0.185,
1991., 211., 0.325,
1991., 219., 1.048,
1991., 240., 3.680,
1991., 254., 5.010,
1991., 260., 4.628,
1991., 273., 3.520,
1991., 288., 1.938
*-- Parameter to set forcing of observed LAI during simulation
LAI_FRC = 0 ! No forcing
*LAI_FRC = 2 ! Forcing
而且我需要以编程方式仅提取由 LAI_OBS = 标识的文本块。 LAI_OBS =所在的行号因文件而异。因此，我需要找到一种方法来读取字符串 LAI_OBS = 和下一个空行之间的所有文本。
到目前为止我正在使用：
l <- readLines('file.txt')
which(obs.lai=='LAI_OBS =')
我可以识别我需要提取的块的起始行，但我不知道如何指示 R 转到 LAI_OBS = 之后的第一个空行。
我需要的结果是一个如下所示的数据框：
1991 182 0.00
1991 194 0.028
1991 202 0.185
1991 211 0.325
1991 219 1.048
1991 240 3.680
1991 254 5.010
1991 260 4.628
1991 273 3.520
1991 288 1.938
在 R 中执行此操作的简便方法是什么？谢谢。
获取"LAI_OBS"的索引（貌似==可以用于case，如果不是固定大小写，那么grep更有用。然后，获取nzchar的空白元素的索引，select第一个大于'i1'的空索引，获取从'i1'到'i2'的序列（制作后调整，即加 1 和减 1)，使用 sub/gsub 删除多余的字符并使用 read.csv
i1 <- grep("LAI_OBS =", l)+1
i2 <- which(!nzchar(l))
i3 <- i2[i2>i1][1]-1
read.csv(text=gsub("\.,", ",", sub("\s*,$", "", l[i1:i3])), header=FALSE)
# V1 V2 V3
#1 1991 182 0.000
#2 1991 194 0.028
#3 1991 202 0.185
#4 1991 211 0.325
#5 1991 219 1.048
#6 1991 240 3.680
#7 1991 254 5.010
#8 1991 260 4.628
#9 1991 273 3.520
#10 1991 288 1.938
据我所知，关于输入文件的棘手部分是能够清楚地表达输入数据的结束位置。一种方法是继续沿着当前路径前进并再次使用 which 来匹配以下行：
*-- Parameter to set forcing of observed LAI during simulation
idx1 <- which(obs.lai=='LAI_OBS =')
idx2 <- which(substring(obs.lai, 1, 20) == '*-- Parameter to set')
df.keep <- obs.lai[idx1:idx2-1, ]
请注意，如果文件有多行以我尝试匹配的 20 个字符开头，您可能需要增加子字符串的长度。我的预感是整行是独一无二的，因为它指的是 LAI 模拟。
这可行，虽然不优雅但可以完成工作：
l <- readLines('data.txt')
first <- which(l=='LAI_OBS =')
blanks <- which(l=='')
whichblank <- which(which(l=='') > first)
last <- blanks[whichblank]
first
last
输出：
[1] 18 [1] 29
当然，如果文件中有更多空行，您只需从 whichblank