如何从一个文本文件中提取特定的段落中的R

Question

我，使用R工作室来处理它有以下形式的文本数据的文本文件：一遍又一遍

* 

A name 
A date 
A referene number 

A text....bla bla bla bla 
bla bla bla bla bla bla bla bla bla bla bla bla 
bla bla bla bla bla bla bla bla bla bla bla bla 
bla bla bla bla bla bla bla bla bla bla bla bla 


* 

A name 
A date 
A reference number 

Another text....bla bla bla bla 
bla bla bla bla bla bla bla bla bla bla bla bla 
bla bla bla bla bla bla bla bla bla bla bla bla 
bla bla bla bla bla bla bla bla bla bla bla bla 

* 

和相同的模式。

我想仅获取文本并将它们中的每一个作为元素存储在列表中。我做了A = grep（“\ *”，myText）来获取*所在的行数。我想通过文件循环来获取从A [1] +6开始并结束于A [2] -1的文本。

Answer 1

替换“的/ tmp /出”与您的文件名

txt <- readLines("/tmp/out") 
lns <- data.frame(beg=which(grepl("beginning of the paragraph i want",txt)), 
        end=which(grepl("end of the paragraph i want",txt))) 
txt.2 <- lapply(seq_along(lns$beg),function(l){ 
         paste(txt[seq(from=lns$beg[l], 
             to=lns$end[l], 
             by=1)],collapse=" ") 
             }) 
txt.2 

# or for referencing by the star, the lns is obtained this way 
lns <- data.frame(beg=rev(rev(grep("[*]",txt) + 6)[-1]), 
       end=(grep("[*]",txt) - 2)[-1])