我正在尝试将ASCI文本文件读入R。但是，格式有点困难，分类变量以列表名称的形式出现，而不是一个大型数据集中的变量。
以下是数据示例：https://cdiac.ess-dive.lbl.gov/ftp/ndp030/nation.1751_2014.ems
这些都不是：
url <- 'https://cdiac.ess-dive.lbl.gov/ftp/ndp030/nation.1751_2014.ems'
read.table(url)
scan(url)
我可以skip转到不同的行，但这不能解决问题。无论我从哪里开始，我都会遇到以下错误：
read.table()引发关于数字错误的行的错误的元素。 scan()进入第一部分时引发错误具有不同格式的文件：'expected real got xxx'我认为应该有一种简单的方法来导入它。显然，如果这种格式本来就很难处理，而我将不得不阅读每一行，然后编写一个将所有内容分开的函数，那就不用担心了。
关于处理这种格式的简单方法有什么想法吗？
ps.s。我意识到该数据还有另一个来源，可以以整齐的格式（https://cdiac.ess-dive.lbl.gov/trends/emis/tre_coun.html）存储为CSV。但是，我现在想知道如何解决这个问题。
尝试一下：
txt <- readLines('https://cdiac.ess-dive.lbl.gov/ftp/ndp030/nation.1751_2014.ems')
### demonstration of how to find the breaks:
nms <- grep("^[A-Za-z]+$", txt, value = TRUE)
head(nms)
# [1] "AFGHANISTAN" "ALBANIA" "ALGERIA" "ANDORRA" "ANGOLA"
# [6] "ANGUILLA"
tail(nms)
# [1] "VANUATU" "VENEZUELA" "YEMEN" "ZAMBIA" "ZANZIBAR" "ZIMBABWE"
主要工作：
lists <- by(txt, cumsum(grepl("^[A-Za-z]+$", txt)), function(s) {
ind <- grepl("^[0-9]", s)
if (any(ind)) cbind(cntry = s[1], read.table(text = as.character(s[ind]), stringsAsFactors = FALSE))
})
lists <- Filter(length, lists)
head(lists[[1]])
# cntry V1 V2 V3 V4 V5 V6 V7 V8 V9
# 1 AFGHANISTAN 1949 4 0 0 4 . 0 . 0
# 2 AFGHANISTAN 1950 23 0 18 6 0 0 0.00 0
# 3 AFGHANISTAN 1951 25 0 18 7 0 0 0.00 0
# 4 AFGHANISTAN 1952 25 0 17 9 0 0 0.00 0
# 5 AFGHANISTAN 1953 29 0 18 10 0 0 0.00 0
# 6 AFGHANISTAN 1954 29 0 18 12 0 0 0.00 0
全部合并：
alldat <- do.call(rbind, c(lists, list(stringsAsFactors = FALSE)))
head(alldat)
# cntry V1 V2 V3 V4 V5 V6 V7 V8 V9
# 1.1 AFGHANISTAN 1949 4 0 0 4 . 0 . 0
# 1.2 AFGHANISTAN 1950 23 0 18 6 0 0 0.00 0
# 1.3 AFGHANISTAN 1951 25 0 18 7 0 0 0.00 0
# 1.4 AFGHANISTAN 1952 25 0 17 9 0 0 0.00 0
# 1.5 AFGHANISTAN 1953 29 0 18 10 0 0 0.00 0
# 1.6 AFGHANISTAN 1954 29 0 18 12 0 0 0.00 0
tail(alldat)
# cntry V1 V2 V3 V4 V5 V6 V7 V8 V9
# 160.93 ZIMBABWE 2009 1528 0 455 977 0 95 0.11 6
# 160.94 ZIMBABWE 2010 2121 0 481 1531 0 109 0.15 7
# 160.95 ZIMBABWE 2011 2608 0 888 1584 0 136 0.18 8
# 160.96 ZIMBABWE 2012 2125 0 1006 917 0 201 0.15 9
# 160.97 ZIMBABWE 2013 3184 0 1119 1902 0 162 0.21 9
# 160.98 ZIMBABWE 2014 3278 0 1005 2097 0 177 0.22 9
（也可以使用dplyr::bind_rows或data.table::rbindlist来完成。]
实际的列名对于R来说有点冗长和非标准，我让您自己提出有意义的colnames。