Ich wollte eine Datei herunterladen, die in open-plaques-all-2017-06-19.rar gezippt, aber es in R nicht implementieren konnte. Bitte werfen Sie einen Blick auf mein Code untenSo lesen Sie file.rar direkt von der Website in R
temp <- tempfile()
download.file("https://github.com/tuyenhavan/Statistics/blob/master/open-plaques-all-2017-06-19.rar", temp)
df<- fread(unzip(temp, files = "open-plaques-all-2017-06-19.csv"))
head(df)
weiß ich nicht, ob es für das Extrahieren von RAR-Archiven eine R-Bibliothek ist, aber wenn man unrar haben, unar, p7zip oder etwas ähnliches installiert man sie durch einen Systemaufruf aufrufen können und Sie extrahieren die Datei.
Sie müssen auch eine ?raw=true an das Ende der URL markieren, um die Rohdaten (und nicht den HTML-Code) zu erhalten.
Dies ist mit p7zip oder unar auf einem Mac, andere Dienstprogramme und Systeme erfordern möglicherweise andere Syntax.
temp <- tempfile()
download.file(paste0("https://github.com/tuyenhavan/Statistics/blob/master/",
"open-plaques-all-2017-06-19.rar?raw=true"), temp)
#list all csv-files in current working directory
csv_files <- list.files(pattern="\\.csv")
#extract RAR to current working directory using p7zip
system(paste("7z x", temp, paste0("-o", getwd())))
#extract RAR to current working directory using unar
system(paste("unar", "-f", "-o", shQuote(getwd()), shQuote(temp)))
#find the name of the extracted csv file
csv_new <- setdiff(list.files(pattern="\\.csv"), csv_files)
#read in the csv as a data.frame
csv.dtf <- read.csv(csv_new)
Sie können auch in der CSV direkt lesen, aber es ist ziemlich langsam.
csv <- system(paste("7z x -so", temp), intern=TRUE)
csv.dtf <- read.csv(text=csv)
Für diese jeweiligen Plattformen/PKG-Manager benötigen Sie:
Windows-Benutzer erhalten vorkompilierte Binärdateien automatisch heruntergeladen.
Dann tun:
devtools::install_github("jimhester/archive")
Hier ist ein Workflow. Nun, da die von Ihnen angegebene URL nicht korrekt/gültig war. Sie müssen die "rohe" URL verwenden, um zur eigentlichen Datei zu gelangen.
library(archive)
tf1 <- tempfile(fileext = ".rar")
download.file("https://github.com/tuyenhavan/Statistics/blob/master/open-plaques-all-2017-06-19.rar?raw=true", tf1)
tf2 <- tempfile()
archive_extract(tf1, tf2)
list.files(tf2)
## [1] "open-plaques-all-2017-06-19.csv"
file.size(file.path(tf2, list.files(tf2)))
## [1] 26942816
xdf <- readr::read_csv(file.path(tf2, list.files(tf2)))
dplyr::glimpse(xdf)
## Observations: 38,436
## Variables: 27
## $ id <int> 29923, 42945, 42944, 42943, 42942, 42941, 42940, ...
## $ title <chr> "Jon Pertwee blue plaque", "Apsley Cherry-Garrard...
## $ inscription <chr> "Jon Pertwee 1919-1996 Doctor Who 1970-1974", "Ap...
## $ latitude <dbl> NA, NA, NA, NA, NA, NA, 54.14910, 45.76330, NA, 4...
## $ longitude <dbl> NA, NA, NA, NA, NA, NA, -4.46938, 4.83157, NA, 4....
## $ country <chr> "United Kingdom", "United Kingdom", "United Kingd...
## $ area <chr> "London", "Bedford", "Harlow", "Bozen", "Adro", "...
## $ address <chr> "BBC Television Centre", "Lansdowne Road", "The W...
## $ erected <int> NA, NA, NA, NA, NA, 2016, NA, NA, NA, NA, NA, NA,...
## $ main_photo <chr> NA, "https://commons.wikimedia.org/wiki/Special:F...
## $ colour <chr> "blue", "blue", "blue", "brass", "brass", "brass"...
## $ organisations <chr> "[]", "[]", "[\"Harlow Civic Society\"]", "[\"Gun...
## $ language <chr> "English", "English", "English", "Italian", "Ital...
## $ series <chr> NA, NA, NA, "Stolpersteine Italiano", "Stolperste...
## $ series_ref <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, N...
## $ `geolocated?` <chr> "false", "false", "false", "false", "false", "fal...
## $ `photographed?` <chr> "false", "true", "false", "true", "true", "true",...
## $ number_of_subjects <int> 1, 1, 0, 0, 1, 1, 0, 1, 1, 1, 0, 1, 0, 1, 1, 0, 0...
## $ lead_subject_name <chr> "Jon Pertwee", "Apsley Cherry-Garrard", NA, NA, "...
## $ lead_subject_born_in <int> 1919, 1886, NA, NA, 1911, 1913, NA, 1888, 1832, 1...
## $ lead_subject_died_in <int> 1996, 1959, NA, NA, 1945, 1945, NA, 1967, 1898, 1...
## $ lead_subject_type <chr> "man", "man", NA, NA, "man", "man", NA, "man", "m...
## $ lead_subject_roles <chr> "[\"Doctor Who\", \"actor\", \"entertainer\", \"t...
## $ lead_subject_wikipedia <chr> "https://en.wikipedia.org/wiki/Jon_Pertwee", "htt...
## $ lead_subject_dbpedia <chr> "http://dbpedia.org/resource/Jon_Pertwee", "http:...
## $ lead_subject_image <chr> "https://commons.wikimedia.org/wiki/Special:FileP...
## $ subjects <chr> "[\"Jon Pertwee|(1919-1996)|man|Doctor Who, actor...
Betrachten unlink()tf1 ing, das Kopieren der Datei (en) aus tf2 irgendwo dauerhaftere und dann unlink() ing tf2 aufzuräumen, nachdem die Arbeit abgeschlossen ist.