Lesen einer CSV-Datei mit Kommas in einer Spalte

Question

Ich habe eine CSV-Datei mit 6 Spalten und eine der Spalten hat Text getrennt durch Komma, z. B. BOLT, RD HD SQ kurzen Hals, METRIC.

Wenn ich diese Datei in R lese, gibt es einen Überlauf aus dieser Spalte und die Daten werden anschließend in eine neue Zeile verschoben.

Im Folgenden werde ich einige Zeilen

014003051906, ETN5080, 0450, BOLT KIT obere Welle mit 5 Gang, 1.000, F 014003051906, ETN5967, 0460, SENSOR SENSOR FH BACKSHAFT SPEED, 1.000, F am Einfügen 014003051906, ETN64267, 0470, Kippeinheit SENSOR, 1.000, F

014003065376,03M7184, 0020, BOLT - M 8,0 X X 1,250 20,0 - 8,8-Zink, 4,000, G 014003065376,03M7386, 0090, BOLT, RD HD SQ KURZER HALS, METRISCH, 18.000, G 014003065376,14M7296, 0090, NUSS, METRISCH, HEX FLANSCH, 14.000, G

Die letzten zwei Zeile ist, wo das Problem liegt. "NUT, METRIC, HEX FLANGE" sollte unter eine Variable fallen.

Wie kann das gelöst werden?

Answer 1

data <- readLines(con = textConnection("014003051906,ETN5080 ,0450,BOLT KIT UPPER SHAFT WITH 5 SPEED,1.000,F 
014003051906,ETN5967 ,0460,SENSOR SENSOR FH BACKSHAFT SPEED,1.000,F 
014003051906,ETN64267 ,0470,TILT UNIT SENSOR,1.000,F 

014003065376,03M7184 ,0020,BOLT - M 8.0 X 1.250 X 20.0 - 8.8-Zinc,4.000,G 
014003065376,03M7386 ,0090,BOLT, RD HD SQ SHORT NECK, METRIC,18.000,G 
014003065376,14M7296 ,0090,NUT, METRIC, HEX FLANGE,14.000,G")) 

pattern <- "^([^,]*),([^,]*),([^,]*),(.*),([^,]*),([^,]*)$" 

library(stringr) 
str_match(data, pattern)[, - 1] 
#  [,1]   [,2]  [,3] [,4]          [,5]  [,6] 
# [1,] "014003051906" "ETN5080 " "0450" "BOLT KIT UPPER SHAFT WITH 5 SPEED"  "1.000" "F" 
# [2,] "014003051906" "ETN5967 " "0460" "SENSOR SENSOR FH BACKSHAFT SPEED"  "1.000" "F" 
# [3,] "014003051906" "ETN64267 " "0470" "TILT UNIT SENSOR"      "1.000" "F" 
# [4,] NA    NA   NA  NA          NA  NA 
# [5,] "014003065376" "03M7184 " "0020" "BOLT - M 8.0 X 1.250 X 20.0 - 8.8-Zinc" "4.000" "G" 
# [6,] "014003065376" "03M7386 " "0090" "BOLT, RD HD SQ SHORT NECK, METRIC"  "18.000" "G" 
# [7,] "014003065376" "14M7296 " "0090" "NUT, METRIC, HEX FLANGE"    "14.000" "G" 

Edit:
Regex Erklärungen für Anfänger, in einfachen Worten, so wenden Sie sich bitte verzeihen Ungenauigkeiten:

• Initial ^ und Terminal $ bedeuten Beginn und Ende der Zeichenfolge.
• Parens sind für die Gruppierung (Gruppen, die str_match() extrahiert wird).
• . bedeutet jedes Zeichen, und .* bedeutet eine beliebige Anzahl von Zeichen.
• [^,] bedeutet jedes Zeichen, das kein Komma ist.

wenn zusammen, es bedeutet: start of string - substring without a comma - comma (3 mal wiederholt) - substring possibly containing commas - comma - substring without a comma - comma - substring without a comma - end of string, und nur die eingeklammerten Gruppen werden extrahiert.