代码之家 › 专栏 › 技术社区 › feder80

读取多个*。r中的rtf文件

rtf import r

2

feder80 · 技术社区 · 6 年前

我有一个包含2000多个rtf文档的文件夹。我想将它们导入到r中(最好是导入到可以与 tidytext 包装)。此外,我还需要一个附加列,添加文件名,以便将每个rtf文档的内容链接到文件名(稍后,我还必须从文件名中提取信息,并将其保存到数据集的不同列中)。

我找到了一个解决方案 Jens Leerssen 我试图适应我的要求:

require(textreadr)

read_plus <- function(flnm) {
read_rtf(flnm) %>% 
    mutate(filename = flnm)
}

tbl_with_sources <-
    list.files(path= "./data", pattern = "*.rtf", 
           full.names = TRUE) %>% 
map_df(~read_plus(.))

但是,我收到以下错误消息:

UseMethod中出错(“mutate\”): 没有适用于“character”类对象的“mutate\uu0”方法

有人能告诉我为什么会发生这种错误,或者为我的问题提出另一种解决方案吗?

1 回复 | 直到 6 年前

1

feder80 6 年前

通过一些变通方法,我终于解决了这个问题。

1) 我转换了*。rft文件到*。txt文件,通过使用 textutil MacOSX终端中的命令:

find . -name \*.rtf -print0 | xargs -0 textutil -convert txt

通过这样做,我也摆脱了格式。

2) 然后我用 read_plus Jens Lerrssen的职能。但是我现在使用 read.delim 而不是 read_rtf 包括两个选项( stringsAsFactors 和 quote )要消除警告和/或错误,请执行以下操作:

read_plus <- function(flnm) {
    read.delim(flnm, header = FALSE, stringsAsFactors = FALSE, quote = "") %>% 
            mutate(filename = flnm)
}

3) 最后,我读了所有的*。txt文件并重命名列n V1 在最后。

df <- list.files(path = "./data", pattern = "*.txt", 
               full.names = TRUE) %>% 
    map_df(~read_plus(.)) %>%
    rename(paragraph = V1)