Was ist der beste Weg in R festzustellen, ob eine Datei komprimiert ist oder nicht? Gibt es eine bestimmte Funktion, um das zu überprüfen? Ich frage nach etwas anderem als nach Dateinamenerweiterung, z.Wie überprüft man, ob eine Datei komprimiert ist in R
grepl("^.*(.gz|.bz2|.tar|.zip|.tgz|.gzip|.7z)[[:space:]]*$", filename)
Wenn Sie auf Linux (oder ähnlich) können Sie den file Befehl verwenden. Z.B.
file filename
Diese finden Sie nützliche Informationen über eine ganze Reihe von Formaten erzählen, einschließlich zum Beispiel, wenn die Datei mit gzip komprimiert wird (eine der Formate R direkt lesen können).
In R wäre dies 'system (" datei dateiname ")' – Thomas
Wenn Sie Java installiert haben, können Sie das kostenlose Tool verwenden, um die Metadaten einer Datei zu untersuchen.
-Setup nach dem Download:
alias tika='java -jar /opt/java_shared/tika/tika-app-1.7.jar'
eine Datei analysieren (langsam, dauert ~ 5 Sekunden)
tika -m chroma-1.15.tar.bz2
Content-Length: 2690725
Content-Type: application/x-bzip2
X-Parsed-By: org.apache.tika.parser.DefaultParser
X-Parsed-By: org.apache.tika.parser.pkg.CompressorParser
resourceName: chroma-1.15.tar.bz2
Ein weiteres Beispiel:
echo "hi there" > notazipfile.zip
tika -m notazipfile.zip
Content-Encoding: ISO-8859-1
Content-Length: 9
Content-Type: text/plain; charset=ISO-8859-1
X-Parsed-By: org.apache.tika.parser.DefaultParser
X-Parsed-By: org.apache.tika.parser.txt.TXTParser
resourceName: notazipfile.zip
Es gibt eine Hilfeseite:
tika --help
Lange Liste:
tika --list-supported-types | grep -C 3 bzip2
application/x-bzip
supertype: application/octet-stream
parser: org.apache.tika.parser.pkg.CompressorParser
Nochmal: Probing große Dateien kann eine Weile dauern.
Hinweis gibt es eine Website, wo jemand eine R-Schnittstelle, aber diese Web-Seite ist ab 2012 zu schaffen gestartet und scheint inaktiv zu sein: https://r-forge.r-project.org/projects/r-tika/
In R, dies zu tun:
filetype = summary(file('yourfile.gz'))$class
Wenn es gzip ist, wird filetypegzfile
Hinweis sein: Sie auch Datei t möchten zuweisen o eine Variable, und schließen Sie die Verbindung nach
filetype <- function(path){
f = file(path)
ext = summary(f)$class
close.connection(f)
ext
}
es im Allgemeinen nicht möglich ist, zu sagen, ob eine Datei komprimiert wird (oder überhaupt welches Format es in). Sie können nur nach bekannten Byte-Mustern am Anfang der Datei suchen, aber das ist nicht wirklich zuverlässiger als das Überprüfen der Dateierweiterung. –
Warum willst du das in 'R' wissen? Was ist dein Endziel? –
fread() aus dem Bioconductor-Paket data.table nimmt keine komprimierte Datei als Eingabe-Argument –