Как извлечь данные из текстового файла с помощью R или PowerShell?

У меня есть текстовый файл, содержащий такие данные:

This is just text
-------------------------------
Username:          SOMETHI           C:                 [Text]
Account:           DFAG              Finish time:        1-JAN-2011 00:31:58.91
Process ID:        2028aaB           Start time:        31-DEC-2010 20:27:15.30

This is just text
-------------------------------
Username:          SOMEGG            C:                 [Text]
Account:           DFAG              Finish time:        1-JAN-2011 00:31:58.91
Process ID:        20dd33DB          Start time:        12-DEC-2010 20:27:15.30

This is just text
-------------------------------
Username:          SOMEYY            C:                 [Text]
Account:           DFAG              Finish time:        1-JAN-2011 00:31:58.91
Process ID:        202223DB          Start time:        15-DEC-2010 20:27:15.30

есть ли способ извлечь имя Пользователя, время окончания, время начала из такого рода данных? Я ищу какую-то отправную точку usign R или Powershell.

6
powershell powershell-v2.0 r text-processing

4 ответов

R может быть не лучшим инструментом для обработки текстовых файлов, но вы можете действовать следующим образом: определите два столбца, прочитав файл как файл фиксированной ширины, отделите поля от их значения, разделив строки на двоеточия, добавьте столбец "id" и верните все в порядок.

# Read the file
d <- read.fwf("A.txt", c(37,100), stringsAsFactors=FALSE)

# Separate fields and values
d <- d[grep(":", d$V1),]
d <- cbind( 
  do.call( rbind, strsplit(d$V1, ":\s+") ), 
  do.call( rbind, strsplit(d$V2, ":\s+") ) 
)

# Add an id column
d <- cbind( d, cumsum( d[,1] == "Username" ) )

# Stack the left and right parts
d <- rbind( d[,c(5,1,2)], d[,c(5,3,4)] )
colnames(d) <- c("id", "field", "value")
d <- as.data.frame(d)
d$value <- gsub("\s+$", "", d$value)

# Convert to a wide data.frame
library(reshape2)
d <- dcast( d, id ~ field )
8

Это просто рекомендации о том, как я буду подходить к проблеме. Я уверен, что есть более красивый способ сделать это. Возможно, включая плир. :)

rara <- readLines("test.txt") # you could use readLines(textConnection = "text"))

# find usernames
usn <- rara[grepl("Username:", rara)]
# you can find a fancy way to split or weed out spaces
# I crudely do it like this:
unlist(lapply(strsplit(usn, "      "), "[", 2)) # 2 means "extract the second element"

# and accounts
acc <- rara[grepl("Account:", rara)]
unlist(lapply(strsplit(acc, "      "), "[", 2))

можно использовать str_trim() чтобы удалить пробелы до / после слова. Надеюсь, там достаточно указателей, чтобы вы начали.

2

вот решение Powershell:

$result = @()

get-content c:\somedir\somefile.txt |
foreach {
    if ($_ -match '^Username:\s+(\S+)'){
        $rec = ""|select UserName,FinishTime,StartTime
        $rec.UserName = $matches[1]
        }
    elseif ($_ -match '^Account.+Finish\stime:\s+(.+)'){
        $rec.FinishTime = $matches[1]
        }
    elseif ($_ -match '^Process\sID:\s+\S+\s+Start\stime:\s+(.+)'){
        $rec.StartTime = $matches[1]
        $result += $rec
        }
}
$result
2

у вас есть файл в фрейме данных? Как и имена столбцов, это имя пользователя, идентификатор процесса, время начала... Если это так, вы можете легко извлечь его 

df$Username (where df is your data frame and if you want to see all your usernames)
df$FinishTime

Если вы хотите знать все о пользователе с определенным именем, использовать этот

df[df$username == "SOMETHI",]

Если вы хотите знать, пользователя с отделкой времени..

надеюсь, что это может стать отправной точкой. Дайте мне знать, если sth не ясно.

0