从文本文件中提取数据

Question

在其他语言中似乎有类似的问题,但我在R中找不到一个.

我在目录的子目录中有许多文本文件; 它们都有扩展名(.log),它们包含文本和数据的混合.我想从这些相对较大的文件中提取几行.

例如,一个文件如下...

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

我想收集基本函数的数量(本例中为210)和CPU时间总量.

"CARTESIAN GAUSSIAN BASIS FUNCTIONS数量="这一行对每个文件都是唯一的; 即,如果我在文本编辑器中打开文件并使用此字符串进行搜索,我只返回这一行.类似地,对于"所有进程的CPU时序信息"和"优雅地退出".

我很欣赏我似乎没有做很多事来帮助自己,但我不知道从哪里开始.如果有人能指出我正确的方向,我希望能够填补其余的.

在@Ben给我的帮助之后(见下文),这里是我最终使用的代码,

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"))
}

我找到了这个函数,并且每次都输入我需要的文件,然后手动将两个结果传送到另一个文件.不像我想的那样优雅,但它为我节省了很多时间.再次感谢@Ben.

Answer 1

也许

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]+$"))

将工作？

要获得其他值,请尝试

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

将sapply已转置值的矩阵,所以最后一行是我们想要的位(对应于最后一列在文件中).使用numstr[4,]或numstr[nrow(numstr),]或提取它tail(numstr,1).

(编辑:在"CPU计时"字符串之前允许空格)(编辑:做对了!)

(要对所有日志文件执行此操作,请将其打包到函数中并list.files(pattern="\\.log$")与sapply... 结合使用)