Извлечение данных из текстовых файлов

похоже, что подобные вопросы есть и на других языках, но я не могу найти их в R.

у меня есть несколько текстовых файлов в подкаталогах каталога; все они имеют расширение (.log), и они содержат смесь текста и данных. Я хочу извлечь пару строк из этих относительно больших файлов.

например, один файл выглядит следующим образом ...

blahblahblah

NUMBER OF CARTESIAN GAUSSIAN BASIS FUNCTIONS =  210

blahblahblah

 ----------------------------------------<br />
 CPU timing information for all processes<br />
 ========================================<br />
 0: 8853.469 + 133.948 = 8987.417<br />
 1: 8850.817 + 126.587 = 8977.405<br />
 2: 8851.925 + 128.576 = 8980.501<br />
 3: 8847.992 + 125.871 = 8973.864<br />
 ----------------------------------------<br />
 ddikick.x: exited gracefully.<br />

blahblahblah

Я хочу собрать количество базисных функций (210 в этом примере) и общее количество CPU раз.

строка "количество декартовых гауссовых базисных функций =" уникальна для каждого файла; т. е., если я открою файл в текстовом редакторе и выполню поиск с помощью этой строки, Я верну только эту строку. Аналогично для "информации о синхронизации ЦП для всех процессов"и" вышел изящно".

Я понимаю, что кажется, что я не сделал много, чтобы помочь мне но я просто не знаю с чего начать. Если кто-то может мне точку в правильном направлении, я надеюсь чтобы иметь возможность заполнить остальные.

после помощи, предоставленной мне @Ben (см. ниже), Вот код, который я использовал,

filesearch <- function (x) {

f <- readLines(x)
cline <- grep("NUMBER OF CARTESIAN GAUSSIAN BASIS FUNCTIONS",f,
                    value=TRUE)
val <- as.numeric(str_extract(cline,"[0-9]+$"))
coline <- grep("^ +CPU timing information", f)
numstr <- sapply(str_extract_all(f[coline+2:5],"[0-9.]+"),as.numeric)
cline1 <- sum(numstr[4,])/60
output <- c(val, cline1)
return(cat(output,"n"))
}

Я получил эту функцию и ввел файл, который мне нужен каждый раз, затем я перенес два результата в другой файл вручную. Не так элегантно, как хотелось бы, но это сэкономило мне много времени. Еще раз спасибо @Ben.

6
r

1 ответов

может быть

library(stringr)
f <- readLines("datafile.txt")
cline <- grep("NUMBER OF CARTESIAN GAUSSIAN BASIS FUNCTIONS",f,
                    value=TRUE)
val <- as.numeric(str_extract(cline,"[0-9]+$"))

будет работать?

чтобы получить другие значения, попробуйте

cline <- grep("^ +CPU timing information",f)
(numstr <- sapply(str_extract_all(f[cline+2:5],"[0-9.]+"),as.numeric))
##         [,1]     [,2]     [,3]     [,4]
## [1,]    0.000    1.000    2.000    3.000
## [2,] 8853.469 8850.817 8851.925 8847.992
## [3,]  133.948  126.587  128.576  125.871
## [4,] 8987.417 8977.405 8980.501 8973.864

The sapply транспонировал матрицу значений, поэтому последняя строка-это бит, который мы хотим (соответствует последнему столбцу в файле). Извлеките его с помощью numstr[4,] или numstr[nrow(numstr),] или tail(numstr,1).

(редактировать: разрешить пробелы перед строкой "синхронизация ЦП") (редактировать: делайте это правильно!)

(сделать это для всех файлов журналов, упаковки в функции и используйте list.files(pattern="\.log$") в сочетании с sapply ...)

6