我在R中有一些列表,这是一组来自我为数据挖掘的非结构化文档的一行代码。在每个页面的顶部是一个页码,由字符串“page”和几行标题信息继续,我想删除它们。从列表中删除一行并将所有连续行删除到N?
每个文档都有不同数量的标题行。到目前为止,我的解决办法:
RawFeed.1<- grep("Page",RawFeed)
RawFeed.1a<-length(RawFeed.1)
RawFeed.1<-RawFeed.1[-1]
注一审这里丢弃,因为第一页总是有更多的标题行比页及其后下降反正休息。
y<-RawFeed.1[1]
ya<-c(y:length(RawFeed))
NSearch<-RawFeed[ya]
NSearch.1<-grep("Start", NSearch)
y1<-NSearch.1[1]
y1<-y1-1
y2<-c(0:y1)
“开始”总是上线找到的数据开始之前,这一直给我的标题行的文件具体数目。
接着我尝试将其删除:
PageBreak <-function(y) {
RawFeed<-RawFeed[-x-y]
}
RawFeedTemp<-lapply(RawFeed.1,PageBreak,y=y2)
哪家做的工作,那种 - 我留下的阵列,使得RawFeedTemp[[n]]
只有该页面删除标题信息。
那么我该如何执行一个类似的操作,在这里我剩下一个列表,其中每个页面的标题信息已被删除,或者是否有一种方法来组合数组中的元素,使其仅包含一组行,排除那些我想要删除?
编辑:数据
[306] N 46 10/08/12 10/08/12 Stuff :30 NM 0 $0.00"
[307] Week: 10/08/12 10/14/12 Other Stuff $6,500.00 0.00
[308] " Contract Agreement Between: Print Date 10/05/12 Page 5 of 6"
[309] ""
[310] ""
[311] " Contract/Revision Alt Order #"
[312] " Person
[313] " Address 1
[314] " Address 2
[315] " Address 3
[316] " Address 4
[317] ""
[318] " Original Date/Revision"
[319] ""
[320] "08/10/12/10/04/12"
[321] ""
[322] ""
[323] ""
[324] "* Line Ch Start Date End Date Description Start
[325] MORE DATA
另一文件的例子,可能有不同数量的这些头。另外请注意,记录占据多行,大多数文件在开始新页面之前完成记录,但少数人坚持将记录的第二行推到新页面,为什么我需要将它们全部删除
感谢你的帮助!
谢谢你,像一个魅力工作 – user2520179