跳到一个大的txt文件中的某个位置

Question

我想对 100 多个 .txt 文件进行计算。这些文件包含使用眼动仪收集的注视数据。

数据的第一部分是校准部分。它只包含有限数量的变量。每行看起来像这样（大约 20 000 行）：

Event: Data - startTime 1563518990 endTime 1563619015 Gaze 885.638118989 316.57751978

数据的第二部分包含在凝视测试期间收集的实际凝视数据。它包含更多我感兴趣的变量。它看起来像这样：

Gaze Data - IviewTimestamp 649261961 OpenSesameTimeStamp 55191.0 GazeLeft 0.0 0.0 GazeRight 0.0 0.0 DistanceRight 530.630058679 DiameterLeft 4.89342033646 DiamaterRight 4.44607910548

然而，当我使用函数read_table2时，它只会找到在校准过程中收集的变量。这是因为 R 仅查看 .txt 文件的前 1000 行来确定变量。我希望它跳到包含 "iviewTimestamp" 的第一行，因此它只导入 .txt 文件的相关部分并自动找到正确的变量。由于每个主题的校准长度不相等，因此无法跳到固定数字。

我该怎么做？

Answer 1

大约：使用grep()找到所需字符串的第一个位置，然后使用read_table2的skip参数。

firstline <- grep("IviewTimestamp",readLines("file.txt"))[1]

readLines() 读取文件的整个文本，作为字符向量（文件每行一个元素）； grep returns 包含指定字符串（或正则表达式）的行的索引； [1] 提取包含字符串的第行的索引。现在您可以使用它来找到合适的位置开始阅读：

read_table2("file.txt", skip=firstline-1)

这是低效的（因为您需要读取文件两次），但我想每个文件花费的时间不到一秒钟。在 Unix 或 Unix-alike OS 上工作的更笨重但更有效的解决方案是使用 system() 到运行外部（更有效）grep 命令.

Answer 2

我建议您导入数据并在之后整理，而不是阅读两次。

首先导入目录中的所有文件：

library(dplyr)
library(purrr)
df <- map_df(list.files(path = path, pattern = '*.txt', full.names = TRUE), read_table2)

这里值得注意的是，您可以在调用 'read_table2'.

后添加可选参数，例如 col_names 等

导入所有文本文件后，可以对其进行过滤：

filter(df, 'timeStampColumnName' == IviewTimestamp)

跳到一个大的txt文件中的某个位置

skipping to a certain position in a large txt file

r

readr