R RegEx gsub（）等效于“行操作>删除CSV文件中的空行（包含空白字符）”

Question

我有一个带有几列的CSV文件：Tweet，日期等。某些Tweet中的空格导致空行和不希望的截断行。

有效：1.使用记事本++的功能“行操作>删除空行（包含空白字符）”2.搜索并替换：\r不包含任何内容。

但是，我需要对大量文件执行此操作，并且我无法在R中使用gsub（）查找正则表达式来执行Notepadd ++函数的工作。

请注意，不使用^[ \t]*$\r?\n替换任何内容，然后不使用\r替换任何内容在Notepad ++中起作用，但在R中则不起作用，如建议的here一样，但不适用于R中的g（sub）。

我尝试了以下代码：

tx  <- readLines("tweets.csv")
subbed <-gsub(pattern = "^[ \\t]*$\\r?\\n", replace = "", x = tx)
subbed <-gsub(pattern = "\r", replace = "", x = subbed)
writeLines(subbed, "output.csv")

这是输入：

这是所需的输出：

Answer 1

您可以使用

tx  <- readLines(PATH_TO_FILE)
headers <- tx[1]
data <- grep("^\\w{3} \\w{3} \\d{2} \\d{2}:\\d{2}:\\d{2}.*", tx[-1], value=TRUE)
recombined <- c(headers, data)
recombined

请参见R demo，带有以下示例输入：

tx  <- c("Col1 Col2 Col3 ....", 
          "Mon Jan 06 21:12:34 +000000  Line 1", 
          "Mon Jan 06 21:12:34 +000000  Line 2",
          "",
          "    ",
          "Mon Jan 06 21:12:34 +000000  Line 3",
          "\t\n\t\r     ")

输出为

[1] "Col1 Col2 Col3 ...."                 "Mon Jan 06 21:12:34 +000000  Line 1"
[3] "Mon Jan 06 21:12:34 +000000  Line 2" "Mon Jan 06 21:12:34 +000000  Line 3"