根据关键字将额外的列添加到 .txt 文件列表

Question

我有一个包含 100 个文本文件的列表，其中包含属于英国每个站点的温度值。但是，除了手动工作，我没有办法在循环中区分它们。

我希望通过关键字检测它们，然后通过 selected 名称为列向量添加属性，例如：

EUROPEAN CLIMATE ASSESSMENT & DATASET (ECA&D), file created on 25-06-2021
THESE DATA CAN BE USED FREELY PROVIDED THAT THE FOLLOWING SOURCE IS ACKNOWLEDGED:

Klein Tank, A.M.G. and Coauthors, 2002. Daily dataset of 20th-century surface
air temperature and precipitation series for the European Climate Assessment.
Int. J. of Climatol., 22, 1441-1453.
Data and metadata available at http://www.ecad.eu

FILE FORMAT (MISSING VALUE CODE IS -9999):

01-06 SOUID: Source identifier
08-15 DATE : Date YYYYMMDD
17-21 TX   : maximum temperature in 0.1 &#176;C
23-27 Q_TX : Quality code for TX (0='valid'; 1='suspect'; 9='missing')

This is the blended series of station UNITED KINGDOM, ARMAGH (STAID: 271).
Blended and updated with sources: 100918 146805 
See file sources.txt and stations.txt for more info.

SOUID,    DATE,   TX, Q_TX
146805,18440101,   19,    0
146805,18440102,   -2,    0
146805,18440103,   67,    0
146805,18440104,  111,    0
146805,18440105,  117,    0
146805,18440106,   89,    0
146805,18440107,   61,    0
146805,18440108,   69,    0

#Expected:
SOUID,    DATE,   TX, Q_TX    Station
146805,18440101,   19,    0   ARMAGH
146805,18440102,   -2,    0   ARMAGH
146805,18440103,   67,    0   ARMAGH
146805,18440104,  111,    0   ARMAGH
146805,18440105,  117,    0   ARMAGH
146805,18440106,   89,    0   ARMAGH
146805,18440107,   61,    0   ARMAGH 
146805,18440108,   69,    0   ARMAGH

我可以select文件列表使用：

files <- list.files(pattern = ".txt", full.names=TRUE)
all.txt <- lapply(files, data.table::fread)

但是，fread 删除了 header，所以我无法确定它们属于哪个站。

如果我有一个可用的电台名称列表，我可以将它们与之匹配，我如何根据文本中的电台创建一个新列？

更新：

我设法将文本文件读入 read_table，然后提取 Kingdom 之后的站名，但是那些带有空格的站名，只有第一个单词是 select。考虑到电台名称位于 United Kingdom 之后的行末尾，那么 selectKINGDOM 之后的其余单词就可以了。

这是我到目前为止尝试过的方法：

stringr::str_extract(xp1$xp, '(?<=KINGDOM\s)\w+')

如果我有例如Cex et England，我只得到Cex

Answer 1

您可以使用正则表达式提取文件中出现在 .*UNITED KINGDOM, 之后的单词，并将其用作站名。

library(data.table)

all.txt <- lapply(files, function(x) transform(fread(x), 
                 Station = sub('.*UNITED KINGDOM, (.*?)\(.*', '\1',
                           paste0(readLines(x), collapse = '\n'))))

根据关键字将额外的列添加到 .txt 文件列表

Add extra column to a list of .txt files based on keywords

filenames

r

file