Rでテキストを編集する

テキストファイルの情報をR上で編集する方法についての備忘録です。

テキストファイルの読み込み

df <- read.table(file   ## ファイルパス
, header = FALSE        ## 列名の有無
, sep = ","             ## 区切り文字
, skip = 0              ## データ上部のコメントなど読み込み不要な行数を指定
)

返り値はデータフレームなので、行と列に分けられている状態である

文字列置換用の関数

stringr パッケージに含まれている str_replase 関数を使用する

str_replace(対象の列名, "検索文字列", "置換文字列")        ## 最初だけ置換
str_replace_all(対象の列名, "検索文字列", "置換文字列")    ## 全部置換

任意の文字を表したい場合は . を使用して表現する
任意の文字列を表したい場合は .*? を使用して表現する

「.」 任意の1文字

「*」 0文字以上 繰り返し

「?」 最短でマッチ

例

文字列をつなげる

all_text <- paste(texts             ## 対象
, collapse = ""                     ## 要素の間に挟む文字
)

何も挟まなくてよい場合は collapse に "" を指定する

区切り文字を指定して文字列を分割する（リスト化）

reviews <- strsplit(all_text         ## 対象
, "#####"                            ## 区切り文字
)

strsplit の返り値はリストである。対象にベクトルを指定できる。以下のような出力になる。

all_text <- c("あいう#####えお", "かきく#####けこ")
reviews <- strsplit(all_text, "#####")
reviews

[[1]]
[1] "あいう" "えお"

[[2]]
[1] "かきく" "けこ"

すなわち返り値 reviews について、reviews[1] はリストであることに注意

文字列前後の空白を削除する

str_trim() は文字列前後の空白のみを削除する。前後のスペース、タブ、改行などが対象で、文字列の途中にある空白は削除されない。

Rなので文字列ベクトルも対象に取れる。

texts <- str_trim(texts)    ## 対象

空行をNAにする

tests[texts == ""] <- NA