从文件夹读取文件并将其存储到R中的数据帧

Question

我的目标最终是建立一个分类器-类似于垃圾邮件检测器。

但是，我不确定如何读取包含将输入分类器的文本并将其存储到数据框的文本文件。

因此，假设我已经将一个文本文件组装到一个文件夹中（原始文本最初存储在记事本中，然后从原始文本中保存到txt文件中），其名称指示其内容，例如xx_xx_xx__yyyyyyyyyyyy_zzzzz，其中xx是代表日期的数字，yyyyyyyyy将是代表主题的字符串，而zzzz将是代表源的字符串。 yyyyyyyyyy和zzzzzzz的长度是可变的。

我的目标是创建一个功能，该功能将遍历文件，读取文件，并将文件名中包含的信息存储在数据框的单独列中，例如“日期”，“主题”，“源”和文本第四列中的内容（例如“内容”）。

有什么想法可以实现吗？

您的建议将不胜感激。

Answer 1

嗨，这是一个可能的答案，我将结果存储在列表中而不是数据帧中，但是您可以使用do.call（rbind.data.frame，result）从一个转换为另一个

require(stringr)
datawd<-"C:/my/path/to/folder/" # your data directory
listoffiles<-list.files(str_c(datawd)) # list of files
listoffiles<-listoffiles[grep(".txt",listoffiles)] # only extract .txt files
my_paths<-str_c(datawd,listoffiles) # vector of path
# the following works with windows only
progress<-winProgressBar(title = "loading text files",
        label = "progression %",
        min = 0,
        max = length(my_paths), 
        initial = 0,
        width = 400)
#000000000000000000000000000000000000000 loop
for (i in 1:length(chemins)){
    result<-list()
  setWinProgressBar(progress,i,label=listoffiles[i])
  the_date<-sapply(strsplit(listoffiles[i],"_"),"[[",1)
  the_theme<-sapply(strsplit(listoffiles[i],"_"),"[[",2)
  the_source<-sapply(strsplit(listoffiles[i],"_"),"[[",3)

# open connexion with read
    con  <- file(my_paths[i], open = "r")
# readlines returns an element per line, here I'm concatenating all, 
 #you will do what you need....
    the_text<- str_c(readLines(con,warn = FALSE))
    close(con) # closing the connexion
  result[[i]]<-list()
  result[[i]]["date"]<-the_date
  result[[i]]["source"]<-the_source
  result[[i]]["theme"]<-the_theme
  result[[i]]["text"]<-the_text
    }
#000000000000000000000000000000000000000 end loop