我试图导入了一系列的自定义数据文件到R.R数据导入自定义标记
的文件组织成块,这是由类似XML的标记标签标记。我知道这些文件不是真正的XML文件,它们不包含标记语言的定义。
每个块可能是单行或制表符分隔的矩阵。评论往往会用%来标记%
这些文件长度约10K行,我需要大约2700行,所以我宁愿避免循环。此外,文件长度和所需行数也会因不可预知的因素而有所不同。
我已经尝试了一些XML包中的方法,但总会遇到一堆错误,如“StartTag:invalid element name”和“标签MERGED-PUPIL-DATA行5443中的数据提前结束”。
你有什么想法吗?有没有接受自定义标记标签的方法?
一个典型的文件可能看起来像这样(点表示的东西,我切出)
<SESSION>
<VERSION>
2
<\VERSION>
<DATE>
2014-01-20 14:29:43
<\DATE>
<SUBJECT-ID>
SUB001
<\SUBJECT-ID>
<NOTE>
red300os
<\NOTE>
<MIN-MAX-PLOT>
0.100000 8707.554688
<\MIN-MAX-PLOT>
<STIMULUS-DEFINED>
redOS300
Default Human Relative Spectral Sensitivity
1 0
1 10.000000 20.000000 60.000000 1 3 2.000000 -100.000000 0.000000 0.000000 1
<\STIMULUS-DEFINED>
.
.
.
.
.
.
<MERGED-PUPIL-DATA>
% time is in sec; diameter is in mm; loci is in pixel; color code -> 100 = unknown, 0 = white, 1 = red, 2 = green, 3 = blue; intensity is in Lux or W/m2
% real time logical time R. valid R. diameter R. x loci R. y loci L. valid L. diameter L. x loci L. y loci R. led color R. led intensity L. led color L. led intensity
2703
-0.049000 -0.049000 1 5.483765 266.668732 268.837402 1 5.441666 272.687500 272.724976 100 0.000000 100 0.000000
-0.018000 -0.018000 1 5.478448 265.918732 267.837402 1 5.438361 270.687500 273.406219 100 0.000000 100 0.000000
.
.
.
.
89.932000 89.932000 1 5.604879 289.575165 273.574738 1 5.255306 301.056091 303.812744 3 0.000000 3 0.000000
89.964000 89.964000 1 5.650856 289.575165 269.574738 1 5.255306 301.056091 301.812744 3 0.000000 3 0.000000
<\MERGED-PUPIL-DATA>
.
.
.
<\SESSION>
我认为这将是更喜欢,如果<\TAG>小号是有效的XML小号 – Spacedman
如果外部工具是可以接受的,你有一个UNIX工具集我会使用'awk'来匹配你想要的部分,切成输出到R可以读取的新文件。 – Spacedman
你能发布一个链接到完整的数据集吗?我认为你的问题之一是'颜色代码 - > 100 =未知'行。 XML包不喜欢元素文本中的'<' or '>'。 – jlhoward