如何在R中过滤不规则行并将大固定宽文本转为数据框？

核心思路 #

先过滤掉不符合格式的坏行，只保留以12位连续字符（识别号）开头且**长度达标（约1800字符）**的行，再用原有逻辑处理剩余内容。

修改后的代码 #

# 读取文件所有行
df1 <- readLines("txtfile.txt")

# 过滤坏行：保留行首12位为连续字符、且长度≥1800的行
# 若识别号是纯数字，可把正则替换为"^\\d{12}"
filtered_lines <- df1[grepl("^.{12}", df1) & nchar(df1) >= 1800]

# 用过滤后的行执行原有处理逻辑
df2 <- read.table(text=gsub("(.{1800})", "\\1 ", filtered_lines, perl=TRUE), header = FALSE, sep = "\r")

df3 <- separate(df2, V1, c('all my columns names'), sep = c(20, 62 , 85, etc),  remove = TRUE, convert = TRUE)

关键说明 #

• grepl("^.{12}", df1)：精准匹配行首前12位为连续非换行字符的行，对应你提到的12位识别号开头规则；如果识别号是纯数字，改用^\\d{12}能进一步提升过滤精度。
• nchar(df1) >= 1800：额外过滤长度不足的行，避免后续按固定位置分割时出现格式错误。
• 先过滤再处理，就能跳过所有随机出现的坏行，顺利读取完整文件。

内容的提问来源于stack exchange，提问作者ckwoff