导入不带行分隔符的固定宽度数据文件

我有没有行分隔符的固定宽度数据文件（.dbf）。该数据文件的两行如下所示：

20141101 77h  3.210                                  0    3 20141102 76h  3.090                                  0    3 

一条线的宽度是c(8,4,7,41)对于日期（8）、一些时间度量（4）、数据点（7）以及我可以在一个“休息”列（41）中总结的一些其他列。一行之后没有分隔符，下一行仅附加到第一行。所有时间步基本上都是连续写在一大行中。该文件中只有数字、字符和空格。

With read.fwf('filepath', widths = c(8,4,7,41))由于缺少行分隔符，R 在第一行之后停止读取。

有什么说法可以诉说read.fwf()当没有行分隔符时何时开始读取新行？或者我应该使用不同的读取命令？

提前致谢。

也许不是最好的主意，但这应该可行：

content <- scan('filepath','character',sep='~') # Warning choose a sep not appearing in datas to get the whole file.
# Split content in lines:
lines <- regmatches(content,gregexpr('.{60}',content))[[1]]
x <- tempfile()
write(lines,x)
data <- read.fwf(x, widths = c(8,4,7,41))
unlink(x)

这个想法是读取整个文件，将每次出现的 60 个字符放入一个条目中，将其写入临时文件，并在删除临时文件之前从该临时文件中读取数据。

另一种方法是使用正则表达式和包stringr（仍然包含上面扫描得到的内容）：

library(stringr)
d <- data.frame( str_match_all( content, "(.{8})(.{4})(.{7})(.{41})")[[1]][,2:5], stringsAsFactors=FALSE)

这使：

        V1   V2      V3                                        V4
1 20141101  77h   3.210                                   0    3 
2 20141102  76h   3.090                                   0    3 

str_match_all返回一个列表，这里有 1 个元素，因为只有一行作为输入，所以我们将其删除[[1]].

现在返回的是 5 列，第一列是完全匹配，其他列是捕获组，因此我们在第 2 列到第 5 列上对矩阵进行子集化，以仅获取我们需要的 4 列并将其包装在其中as.data.frame最后得到一个 data.frame 。

然后你可以用以下方式命名列colnames(d) <- c('date','time','data_point','rest')

如果您想清理空格，可以将 str_extract_all 结果包装在trimws（感谢@jaap提醒这个功能）像这样：

td <- data.frame( trimws( str_match_all( content, "(.{8})(.{4})(.{7})(.{41})")[[1]][,2:5] ), stringsAsFactors=FALSE)

Output:

        X1  X2    X3     X4
1 20141101 77h 3.210 0    3
2 20141102 76h 3.090 0    3