我想 :
從目錄中讀取*.txt檔案的串列
從目錄中讀取*.txt檔案的串列
對于我的檔案夾中的所有.txt檔案，我想使用所有*.txt檔案（例如，下面的Hox.txt和zinc.txt）中第五列的所有行id=NAME中包含的資訊
使用一個單獨的查找表將id值與Family值聯系起來，確定給定檔案屬于哪個族（例如cram-2）（例如，下面的查找表）
將所有具有相同族的檔案（如HOX.txt和Zinc.txt）合并/concatenate為一個.txt檔案。
用族這一列的名稱保存鏈接的檔案（如cram-2.txt）。
! 提醒！! !! R將不得不在大量和沉重的.txt檔案上作業 - 需要一個臨時目錄嗎？
例子：
HOX.txt檔案行 :
ma reg out fim id=HOX;seq=AGCAGGAAATA; score=12。 1915;pval=4.97e-05。
se reg out fim id=HOX;seq=AGCAGGAAATA; score=12. 1915;pval=4.97e-05。
to reg out fim id=HOX;seq=AGCAGGAAATA; score=12. 1915;pval=4.97e-05。
pa reg out fim id=HOX;seq=AGCAGGAAATA; score=12. 1915;pval=4.97e-05。
鋅.txt檔案的行數 :
ma reg out fim id=zinc;seq=AGCAGGAAATA; score=12. 1915;pval=4.97e-05。
se reg out fim id=zinc;seq=AGCAGGAAATA; score=12. 1915;pval=4.97e-05。
to reg out fim id=zinc;seq=AGCAGGAAATA; score=12. 1915;pval=4.97e-05。
pa reg out fim id=zinc;seq=AGCAGGAAATA; score=12. 1915;pval=4.97e-05。
查詢表 :
Name Family
HOX cram-2
zinc cram-2
火燒sf.xr
fire ra.XS-2
...繼續...
我搜索到的最終輸出結果是：
a) 檔案名 = cram-2.txt
b) 將HOX.txt和Zinc.txt串聯起來，因為這兩個檔案都是來自Family cram-2！ma reg out fim id=HOX;seq=AGCAGGAAATA; score=12。 1915;pval=4.97e-05。
se reg out fim id=HOX;seq=AGCAGGAAATA; score=12. 1915;pval=4.97e-05。
to reg out fim id=HOX;seq=AGCAGGAAATA; score=12. 1915;pval=4.97e-05。
pa reg out fim id=HOX;seq=AGCAGGAAATA; score=12. 1915;pval=4.97e-05。
ma reg out fim id=zinc;seq=AGCAGGAAATA; score=12. 1915;pval=4.97e-05。
se reg out fim id=zinc;seq=AGCAGGAAATA; score=12. 1915;pval=4.97e-05。
to reg out fim id=zinc;seq=AGCAGGAAATA; score=12. 1915;pval=4.97e-05。
pa reg out fim id=zinc;seq=AGCAGGAAATA; score=12. 1915;pval=4.97e-05。
代碼在少數檔案上作業，只有床。
我試著使用tempfile()和tempdir()，但仍然沒有成功。
uj5u.com熱心網友回復： 試試這段代碼。 在 根據你的需要，對 P.S.
我建議你注意，我使用了最快的已知函式來讀寫 讓我知道這是否是它，以及它的作業速度如何。
標籤：dfNameFamily = tibble()
名稱= 作為。 字符(df$Name)，
家族 = as.character（df$Family）
dir = "~/textfiles"
TxtFile = function(dir) dir_ls(dir, regexp = ". txt$")
readTxt = function(FileName) {
行=字符（）
if（file_exists(FileName)){
con = file（FileName, 打開= "r"）
lines = readLines(con)
close(con)
}
線條
}
GetName = function(l) Str_match(l, "; id=(. ); seq")[1,2]
SaveFile = function（l。 name, dir）{
con = file（paste0（dir。 "/" , name））
writeLines(unlist(l$lines)。 con)
close(con)
}
tibble(FileName = TxtFile(dir)) %> %
mutate()
lines = map(FileName, readTxt),
名稱= map_chr(lines, GetName)) %> %
left_join（dfNameFamily, by="Name"） %> %
group_by(Family) %> %
group_walk（SaveFile,dir）
bedDir目錄中收集要處理的檔案。為輸出檔案創建一個目錄bedOut。最好將其放在一個RStudio專案中，在那里創建這些目錄。
Names和Families向量進行相應的擴展。library(data.table)
library(tidyverse)
library(fs)
library(utils)
名稱 = c("HOX"。 "鋅", "火"。 "fire2"）
家庭 = c("cram-2"。 "cram-2", "sf. xr", "ra.XS-2"）
GetName = function(l) str_match(l, "id=(. ); seq")[1，2]
GetFamily = function(l)/span> Families[which(Names==GetName(l))】
BedFile = 函式(dir) dir_ls(dir。 regexp = ". bed$")
info = function（txt, start_time, end_time）{
tdif = end_time - start_time
tunit = " ms"/span>
if(tdif>=1000）{
tdif = tdif/1000
tunit = " s"/span>
}
cat(paste0("Read ", txt," (", round(tdif, 2),tunit，")
"))
}
time_ms = function() as. numeric(as.numeric(Sys. time()*1000, 數字=15）。
pbTitle = function（path, files, i）{
paste("[", round（i/length(files)*100。 0),"%]",
"檔案已從",路徑,"目錄 "中讀取。
"正在讀取的檔案。 ", files[i]）}
bedDir = "bedDir"
bedOut = "bedOut"/span>
files = BedFile（bedDir）
if(length（files）> 0）{
start_time = time_ms（）
pb = winProgressBar(max = winningProgressBar(max) operator">= length(files)。 寬度= 500）
on. exit(close(pb)。 添加= TRUE）
for(i in 1。 length(files)）{
setWinProgressBar(pb, i-1, pbTitle(bedDir， files。 i-1））
行 = fread(text = files[i] 。 sep = "|"/span>。 header=FALSE）
名稱 = GetName(lines[1)
家族= GetFamily(lines[1]）
fileName = paste0(bedOut。 "/", Family, " 。 bad")
fwrite(lines, fileName。 append = file_exists(fileName))
}。
close(pb)
info(paste(length（files）。 "files"）, start_time。 time_ms()）
}。
fread和fwrite文本檔案，這些函式來自這里的data.table包。