我如何使用R从一个大的文本文件中提取几行选择行？

Question

我对堆栈溢出相当陌生，但在搜索引擎中没有找到它。如果这个问题不应该在这里问，请让我知道。

我有一个非常大的文本文件。它有16个条目，每个条目看起来像这样：

AI_File 10
Version 
Date    20200708 08:18:41
Prompt1 LOC    
Resp1   H****
Prompt2 QUAD   
Resp2   1012   
TransComp   c-p-s
Model   Horizontal
### Computed Results
LAI 4.36
SEL 0.47
ACF 0.879
DIFN    0.031
MTA 40.
SEM 1.
SMP 5
### Ring Summary
MASK    1   1   1   1   1
ANGLES  7.000   23.00   38.00   53.00   68.00
AVGTRANS    0.038   0.044   0.055   0.054   0.030
ACFS    0.916   0.959   0.856   0.844   0.872
CNTCT#  3.539   2.992   2.666   2.076   1.499
STDDEV  0.826   0.523   0.816   0.730   0.354
DISTS   1.008   1.087   1.270   1.662   2.670
GAPS    0.028   0.039   0.034   0.032   0.018
### Contributing Sensors
### Observations
A   1   20200708 08:19:12   x   31.42   38.30   40.61   48.69   60.28
L   2   20200708 08:19:12   1   5.0e-006
B   3   20200708 08:19:21   x   2.279   2.103   1.408   5.027   1.084
B   4   20200708 08:19:31   x   1.054   0.528   0.344   0.400   0.379
B   5   20200708 08:19:39   x   0.446   1.255   2.948   3.828   1.202
B   6   20200708 08:19:47   x   1.937   2.613   5.909   3.665   5.964
B   7   20200708 08:19:55   x   0.265   1.957   0.580   0.311   0.551

几乎所有这些都是垃圾信息，我希望为整个文件运行一些代码，这些代码只会给我所有16个条目的"Resp2“和"LAI”行。这样的任务在R中是可行的吗？如果是这样，我会怎么做呢？

非常感谢你的帮助，如果我能提供更多的信息来澄清任何事情，请告诉我。

Answer 1

我已将您的文件另存为文本文件并读取了行。然后，您可以使用regex来提取所需的行。然而，我觉得我的方法相当笨拙，我打赌还有更优雅的方法(也许也可以使用(unix)命令行工具)。

data <- readLines("testfile.txt")

library(stringr)
resp2 <- as.numeric(str_trim(str_extract(data, "(?m)(?<=^Resp2).*$")))
lai <- as.numeric(str_trim(str_extract(data, "(?m)(?<=^LAI).*$")))

data_extract <- data.frame(
  resp2 = resp2[!is.na(resp2)],
  lai = lai[!is.na(lai)]
)

data_extract 

  resp2  lai
1  1012 4.36

Answer 2

基于tidyverse的解决方案如下所示。

library(dplyr)
library(vroom)
library(stringr)
library(tibble)
library(tidyr)

vroom_lines('data') %>%
  enframe() %>%
  filter(str_detect(value, 'Resp2|LAI')) %>%
  transmute(value = str_squish(value)) %>%
  separate(value, into = c('name', 'value'), sep = ' ')

#   name  value
#   <chr> <chr>
# 1 Resp2 1012 
# 2 LAI   4.36