low level readLines

readF.R

path <- "../data/"
setwd(path)

ff <- list.files(pattern="^.*\\.txt$")

dat  <- list()
l         <- 1
for(i in 1:length(ff)){
  datName <- ff[i]
  a <- readLines(datName)
  head    <- unlist(strsplit(a[1], "\t"))
  
  for(j in 2:length(a)){
    zeile <-  unlist(strsplit(a[j], "\t"))
    dat[["noOfCols"]][l] <- length(zeile)
    for(k in 1:length(head)){

      dat[[head[k]]][l] <- zeile[k] 
     
   }
    l <- l+1
  }
}

## > length(dat$C1) # 4 files:
## [1] 2000

## Klammern in C1 zählen
## number of Adr.
infC1 <- list()
datC1 <- dat$C1
i <- which(datC1 == "")
## L1?
for(i in 1:length(datC1)){  
  sepT <- strsplit(datC1[i] , "")
  res <- unlist( gregexpr("\\[|\\]", datC1[i]))
  lres <- length(res)
  
  if(lres %% 2 == 0){
    noOfAdr <-   lres/2
  }else{
    if(lres == 1 ){
      if( res == -1){
        noOfAdr <- 1 
      }else{
        noOfAdr <- 0
      }
    }
  }
  infC1[["noOfAdr"]][i] <- noOfAdr 
}
## Bsp.:
## Verteilung der Anzahl der Adressen:
hist(infC1$noOfAdr, labels=TRUE)

## ein paar mögliche Ansätze, Test ...:
which(infC1$noOfAdr == 0) # !!
## integer(0) <---- das ist gut, d.h. nirgends gibt es
## [[ oder ]] Klammern also immer paarweise vorhanden wenn vorhanden 
##
## liefert die Positionen der eckigen Klammern 
gregexpr("*\\[(.*?)\\]", dat$C1[930])
##           ^^^^^^^ sowas meite ich bei unserem Treffen
## Stichwort reguläre Ausdrücke, regular expressions also regexpr
## g steht für global (glaub' ich)
##
## cool ist auch die country list:
 a <- read.csv("countrylist.csv", as.is=TRUE)
#> a$Common.Name[1]
#[1] "Afghanistan"
##
spd <- unlist(strsplit(dat$C1[930], "[[:blank:][:punct:]]"))
##
which( spd %in% a$Common.Name )
## [1] 155 182 196 202 239 291 341 373
##       394 412 461 475 524 528 549 567 596 605 613
##[20] 635 657 709 730 753
##> spd[155]
##[1] "Peru"