read.fwf与数字符号

Question

我试图使用this file (3.8mb)的固定宽度结构(如the following link中所描述的那样)来读取它。

这个命令：

a <- read.fwf('~/ccsl.txt',c(2,30,6,2,30,8,10,11,6,8))

产生一个错误：

第37行没有10个元素

在用skip选项的不同值复制了这个问题之后，我认为导致问题的行都包含"#“符号。

有什么办法可以绕过它吗？

Answer 1

正如@jverzani已经评论过的那样，这个问题可能是#符号经常用作字符来表示注释的事实。将read.fwf的read.fwf输入参数设置为#以外的其他参数可以解决问题。我将在下面将我的答案作为一个更一般的例子，您可以在任何导致问题的字符上使用(例如，荷兰城市名称's中的's Gravenhage)。

我在其他符号上也遇到过这个问题。我采用的方法是简单地将#替换为nothing，或者用不生成错误的字符替换。在我的例子中，简单地替换字符是没有问题的，但在您的情况下，这可能是不可能的。

所以我的方法是删除产生错误的符号，或者用另一个字符替换。这可以使用文本编辑器(查找和替换)、R脚本，或者使用一些名为grep和sed的linux工具来完成。如果您想在R脚本中这样做，请使用scan或readLines来读取这些行。一旦文本在内存中，您可以使用sub替换字符。

如果不能替换字符，我将尝试以下方法:将字符替换为不产生错误的字符，使用read.fwf将其读入R中，最后用#字符替换字符。

Answer 2

接下来是上面的答案:要让所有字符都被读成文字，请同时使用comment.char=""和quote="" (后者处理@PaulHiemstra在荷兰语专有名词中的单引号的问题)在read.fwf的调用中(这在?read.table中有记录)。