在 R 中打開 .bcp 文件

Question

我一直在嘗試將 .bcp 文件格式的英國慈善委員會數據轉換為 .csv 文件格式，然后可以將其讀入 R。我所指的數據可在此處獲得： http : //data.charitycommission.gov。英國/ 。 我想要做的是將這些 .bcp 文件轉換為可用的數據幀，我可以在 R 中清理和運行分析。

在此 github 頁面https://github.com/ncvo/charity-commission-extract上有關於如何通過 python 執行此操作的建議，但不幸的是我無法使這些選項起作用。

我想知道是否有任何語法或包可以讓我直接在 R 中打開這些數據？ 我一直找不到。

另一種選擇是使用readLines R 中的文件作為單個字符向量簡單地打開。 我已經這樣做了，文件用@**@分隔列， *@@*分隔行。 （參見此處： http : //data.charitycommission.gov.uk/data-definition.aspx ）。 是否有 R 命令允許我從長字符串創建數據幀，為行和列定義分隔符？

Answer 1

R-解決方案

編輯過的版本

不確定所有 .bcp 文件的格式是否相同。我下載了您提到的數據集，並嘗試了最小文件的解決方案； extract_aoo_ref.bcp

library(data.table)

#read the file as-is
text <- readChar("./extract_aoo_ref.bcp", 
                 nchars = file.info( "./extract_aoo_ref.bcp" )$size, 
                 useBytes = TRUE)
#replace column and row separator
text <- gsub( ";", ":", text)
text <- gsub( "@\\*\\*@", ";", text)
text <- gsub( "\\*@@\\*", "\n", text, perl = TRUE)
#read the results
result <- data.table::fread( text, 
                             header = FALSE, 
                             sep = ";", 
                             fill = TRUE, 
                             quote = "", 
                             strip.white = TRUE)

head(result,10)

#    V1 V2                           V3                                           V4 V5 V6
# 1:  A  1 THROUGHOUT ENGLAND AND WALES At least 10 authorities in England and Wales  N NA
# 2:  B  1             BRACKNELL FOREST                             BRACKNELL FOREST  N NA
# 3:  D  1                  AFGHANISTAN                                  AFGHANISTAN  N  2
# 4:  E  1                       AFRICA                                       AFRICA  N NA
# 5:  A  2           THROUGHOUT ENGLAND      At least 10 authorities in England only  N NA
# 6:  B  2               WEST BERKSHIRE                               WEST BERKSHIRE  N NA
# 7:  D  2                      ALBANIA                                      ALBANIA  N  3
# 8:  E  2                         ASIA                                         ASIA  N NA
# 9:  A  3             THROUGHOUT WALES        At least 10 authorities in Wales only  Y NA
# 10:  B  3                      READING                                      READING  N NA

對於棘手的文件也是如此； extract_charity.bcp

head(result[,1:3],10)
#       V1 V2                                                                                 V3
# 1: 200000  0                                                          HOMEBOUND CRAFTSMEN TRUST
# 2: 200001  0                                                          PAINTERS' COMPANY CHARITY
# 3: 200002  0                                              THE ROYAL OPERA HOUSE BENEVOLENT FUND
# 4: 200003  0                                                          HERGA WORLD DISTRESS FUND
# 5: 200004  0 THE WILLIAM GOLDSTEIN LAY STAFF BENEVOLENT FUND (ROYAL HOSPITAL OF ST BARTHOLOMEW)
# 6: 200005  0                              DEVON AND CORNWALL ROMAN CATHOLIC DEVELOPMENT SOCIETY
# 7: 200006  0                                                    THE HORLEY SICK CHILDREN'S FUND
# 8: 200007  0                                            THE HOLDENHURST OLD PEOPLE'S HOME TRUST
# 9: 200008  0                                                         LORNA GASCOIGNE TRUST FUND
# 10: 200009  0                                          THE RALPH LEVY CHARITABLE COMPANY LIMITED

所以..看起來它正在工作:)