拆分不規則的文本轉換成表格

Question

我有文本格式的表格看起來像這樣：

in.data <- rbind(
c("ColA KB  Col C The ColE (2.0)"), 
c("abc def  ghijklm n opqrst"), 
c("uv wx y zzzzzz aa bcd"), 
c("ab cd    gh jklmn") 
) 

，我需要它是這樣的：

wanted.result <- rbind(
    c("abc", "def", "ghijklm", "n", "opqrst"), 
    c("uv", "wx y", "zzzzzz", "aa", "bcd"), 
    c("ab", "cd", NA, "gh", "jklmn") 
) 
colnames(wanted.result) <- c("ColA", "KB", "Col C", "The", "ColE (2.0)") 

是什麼讓這個複雜的是，垂直分割符位置可以基於列名和列內容。

這裏是一個醜陋的嘗試的作品：

library(stringr) 
spaces.1 <- unique(unlist(str_locate_all(in.data[1,], " "))) 
spaces.2 <- unique(unlist(str_locate_all(in.data[2,], " "))) 
spaces.3 <- unique(unlist(str_locate_all(in.data[3,], " "))) 
spaces.4 <- unique(unlist(str_locate_all(in.data[4,], " "))) 
spaces.12 <- spaces.1[spaces.1%in%spaces.2] 
spaces.123 <- spaces.12[spaces.12%in%spaces.3] 
spaces.1234 <- spaces.123[spaces.123%in%spaces.4] 
for (i in length(spaces.1234):2) { 
    if (spaces.1234[i]-spaces.1234[i-1]==1) spaces.1234[i] <- NA_integer_ 
} 
delimiters <- na.omit(spaces.1234) 
library(data.table) 
in.data.table <- data.table(in.data) 
in.data.table[, col.1:=substr(V1, start=1, stop=delimiters[1])] 
in.data.table[, col.2:=substr(V1, start=delimiters[1], stop=delimiters[2])] 
in.data.table[, col.3:=substr(V1, start=delimiters[2], stop=delimiters[3])] 
in.data.table[, col.4:=substr(V1, start=delimiters[3], stop=delimiters[4])] 
in.data.table[, col.5:=substr(V1, start=delimiters[4], stop=37)] 
setnames(in.data.table, as.character(in.data.table[1, ])) 
wanted.result.2 <- in.data.table[2:4, 2:6, with=FALSE] 

但我必須這樣做上千次，並伴有不同列和行的數量。

有沒有更好的方法來做到這一點，也適用於任何數量的行？

更新：爲了澄清，問題是根據標題和行中的空格位置查找寬度。對不起，不清楚這一點。

Answer 1

我們假設一個包含所有行的空間，任何列分隔字段，我們假設最後一個字段的寬度爲10或更小（如果需要，更改此數字）。沒有包被使用。

w <- diff(Reduce(intersect, gregexpr(" ", paste("", in.data)))) 
w <- c(w, 10) 
X <- read.fwf(textConnection(in.data), w, skip = 1, as.is = TRUE) 
names(X) <- trimws(read.fwf(textConnection(in.data), w, n = 1, as.is = TRUE)) 
X <- X[names(X) != "NA"] 
X[] <- lapply(X, trimws) 

，並提供：

> X 
    ColA ColB Col C ColD ColE (2.0) 
1 abc def ghijklm n  opqrst 
2 uv wx y zzzzzz aa  bcd 
3 ab cd   gh  jklmn 

注：我們用這個在上面的測試運行中輸入：

in.data <- 
structure(c("ColA ColB Col C ColD ColE (2.0)", "abc def  ghijklm n opqrst", 
"uv wx y zzzzzz aa bcd", "ab cd    gh jklmn" 
), .Dim = c(4L, 1L)) 

Answer 2

使用read.fwf使用gregexpr呼叫搞清楚列寬尋找的東西，它定義的列名之後：

txt <- paste(c(in.data),collapse="\n") 
widths <- diff(c(gregexpr("Col", in.data[1])[[1]], nchar(in.data[1])+1)) 
out <- read.fwf(textConnection(txt), widths=widths, skip=1) 
names(out) <- unlist(read.fwf(textConnection(txt), widths=widths, n=1)) 
out 

# ColA ColB  Col C  ColD ColE (2.0) 
#1 abc def  ghijklm n   opqrst 
#2 uv wx y zzzzzz aa   bcd 
#3 ab cd     gh   jklmn