5

我有一个奇怪的文本文件，里面有一堆NUL字符（实际上大约有 10 个这样的文件），我想在 R 中以编程方式替换它们。这是其中一个文件的链接。在这个问题的帮助下，我终于找到了一种比临时更好的 方法来进入每个文件并查找和替换讨厌的字符。事实证明，它们中的每一对都应该对应一个空格 ( [NUL][NUL]-> ) 以保持文件的预期线宽（这对于在以后将它们作为固定宽度读取至关重要）。

但是，为了健壮性，我更喜欢一种更自动化的解决方案方法，理想情况下（为了组织的缘故）我可以在我正在编写的 R 脚本的开头添加一些东西来清理文件。这个问题看起来很有希望，但接受的答案是不够的 -readLines每当我尝试在这些文件上使用它时都会引发错误（除非我激活skipNul）。

有什么方法可以将此文件的行放入 R 中，以便我可以使用gsub或其他任何方法来解决此问题，而无需借助外部程序？

4

1 回答 1

10

您想以二进制形式读取文件，然后可以替换NULs，例如用空格替换它们：

r = readBin("00staff.dat", raw(), file.info("00staff.dat")$size)
r[r==as.raw(0)] = as.raw(0x20) ## replace with 0x20 = <space>
writeBin(r, "00staff.txt")
str(readLines("00staff.txt"))
#  chr [1:155432] "000540952Anderson            Shelley J       FW1949     2000R000000000000119460007620            3  0007000704002097907KGKG1616"| __truncated__ ...

您还可以NUL用一个非常罕见的字符（例如"\01"）替换 s 并在适当的位置处理字符串，例如，假设您想用一个空格替换两个NULs ( )："\00\00"

r = readBin("00staff.dat", raw(), file.info("00staff.dat")$size)
r[r==as.raw(0)] = as.raw(1)
a = gsub("\01\01", " ", rawToChar(r), fixed=TRUE)
s = strsplit(a, "\n", TRUE)[[1]]
str(s)
# chr [1:155432] "000540952Anderson            Shelley J       FW1949     2000R000000000000119460007620            3  0007000704002097907KGKG1616"| __truncated__
于 2015-12-11T02:18:38.497 回答