如何使用R批量处理文件

免责声明：运行下面的代码可能会对你的电脑和文件造成不可恢复的损害，请确认明白代码的意义后再运行！ 本主对代码运行后果不负任何责任。

1 基本函数

1.1 文件操作函数

这类函数很多，下面列出的是基本安装包（base）中的一些：

ls("package:base", pattern="^file\\.")

##  [1] "file.access"  "file.append"  "file.choose"  "file.copy"   
##  [5] "file.create"  "file.exists"  "file.info"    "file.link"   
##  [9] "file.mode"    "file.mtime"   "file.path"    "file.remove" 
## [13] "file.rename"  "file.show"    "file.size"    "file.symlink"

常用的有：

• file.exists：检查文件是否存在
• file.copy：文件拷贝
• file.remove：文件删除
• file.rename：文件重命名
• file.size：获取文件大小（B）
• file.info：获取文件信息（包括文件大小），结果为列表或数据框
• file.path：构造文件路径

但最常用的一个函数可能是list.files，此函数的作用是列出指定目录（路径）中的文件：

str(list.files)

## function (path = ".", pattern = NULL, all.files = FALSE, full.names = FALSE, 
##     recursive = FALSE, ignore.case = FALSE, include.dirs = FALSE, 
##     no.. = FALSE)

• path：文件路径，默认为“.”，即当前工作目录（getwd()获得）
• pattern：文件名过滤模式，使用正则表达式
• all.files：是否列出所有文件（含隐藏文件）
• full.names：文件名是否以包含文件路径的“全名”形式表示
• recursive：是否递归查找目录（查找子目录）
• ignore.case：指定的模式（pattern参数）是否忽略大小写
• include.dirs：是否包含目录名（多数系统认为“目录”也是“文件”）

1.2 字符（串）操作函数

这里仅介绍两个：gsub和strsplit。

我们将用gsub这个函数从文件名中提取需要的信息。它的用法是：

str(gsub)

## function (pattern, replacement, x, ignore.case = FALSE, perl = FALSE, 
##     fixed = FALSE, useBytes = FALSE)

• pattern：查找模式，使用正则表达式
• replacement：替换模式，可使用正则表达式
• x：待处理的字符（串）向量
• ignore.case：指定的模式（pattern参数）是否忽略大小写
• fixed：模式（pattern参数）不使用正则表达式

strsplit的作用是使用指定分隔符切割字符串：

str(strsplit)

## function (x, split, fixed = FALSE, perl = FALSE, useBytes = FALSE)

它的结果是一个列表，如果应用于字符串向量，最好是结合apply函数使用：

xnames <- c("T-1-a", "T-2-b")
strsplit(xnames, "-")

## [[1]]
## [1] "T" "1" "a"
## 
## [[2]]
## [1] "T" "2" "b"

apply(cbind(xnames), 1, FUN = function(x) strsplit(x, "-")[[1]])

##      [,1] [,2]
## [1,] "T"  "T" 
## [2,] "1"  "2" 
## [3,] "a"  "b"

2 从文件名提取信息

可以使用strsplit函数。例如获取文件扩展名：

ffs <- list.files(pattern = "\\.")
apply(cbind(ffs), 1, FUN = function(x) rev(strsplit(x, "\\.")[[1]])[1])

当然也可以使用gsub函数：

gsub("^.+\\.([^\\.]+$)", "\\1", ffs)

想要从文件名中提取出有用信息，首先文件名中得存在有用信息，而这得取决于你的文件命名习惯。如果你是做科学的人，建议文件名中包含样品、重复、时间等信息。使用一定的规则命名文件，这在后期数据处理中非常有用。

3 批量重命名文件

基本过程是：

• 用list.files函数获取原文件名
• 构造新文件名
• 用file.rename重命名文件

下面代码把当前目录下的Temp子目录下的txt文件用编号进行重命名：

ffo <- list.files(path="Temp", pattern = "\\.txt", full.names = TRUE)
if ( length(ffo) > 0) {
    ffn <- paste0(1:length(ffo), ".txt")
    ffn <- file.path("Temp", ffn)
    file.rename(ffo, ffn)
}

下面的代码把当前目录下的文件名的扩展名转成大写：

ffo <- list.files(pattern = "\\..+$")
fs1 <- gsub("^(.+\\.)([^\\.]+$)", "\\1", ffo)
fs2 <- gsub("^(.+\\.)([^\\.]+$)", "\\2", ffo)
ffn <- paste0(fs1, toupper(fs2))
file.rename(ffo, ffn)

4 批量选择和删除文件

可根据文件信息选择文件，然后再删除。这时候file.info函数就很有用了：

xsel <- file.info(ffs)$size < 10
if (sum(xsel) > 0) file.remove(ffs[xsel])

5 批量读取文件数据

通常使用for循环进行读取，例如：

dtx <- NULL
for (ff in ffs) dtx <- cbind(dtx, read.csv(ff))
colnames(dtx) <- ffs

但这同样取决于你的文件和数据。文件名的命名要讲究规律，存储格式也要标准化！如果做不到这一点，请不要说你在做科学。

作者: ZGUANG@LZU

Created: 2018-10-24 三 10:29