求助：使用read.table导入含中间表头的多文件时跳过异常行

我需要合并20个10列的TXT格式数据文件，部分文件在第1400行之后存在次级表头，导致该行元素数量不符，合并时触发报错。

原代码及报错信息 #

原合并代码如下：

data_path <- "/Users/datalocation/"
filenames <- list.files(data_path, full.names = F, pattern = "*myfile*", recursive = TRUE) 
selectfl1a <- function(x) {out <- read.table(x, col.names = ColNames,
                                             colClasses = c(rep("numeric", 4),
                                                            rep("NULL", 6)))}
test <- lapply(filenames, selectfl1a) %>% cbind()  # 此处触发错误
testdf <- as.data.frame(t(test))
colnames(testdf) <- filenames
rowtest <- lapply(filenames, selectfl1a) %>% bind_rows(.id="id")

报错内容：

Error in scan(file = file, what = what, sep = sep, quote = quote, dec = dec, :
scan() expected 'a real', got 'CURVE2'

尝试过的方法及问题 #

• 用grep("[[:alpha]]")过滤含字母的行，但保留列的科学计数法数值、被过滤列的点号字符串被误判，导致所有内容被过滤。
• 尝试fill=TRUE无效，因为colClasses强制前4列为数值型；去掉该参数则cbind无法运行。
• 考虑用colClasses = c(rep("character", 4), rep("NULL",6))读取，但不确定如何转回数值型。

解决方案 #

可以先以字符型读取数据，过滤掉无法转为数值的行（即次级表头行），再转回数值型，保留原导入结构：

data_path <- "/Users/datalocation/"
# 修正：full.names设为TRUE，确保read.table能找到文件路径
filenames <- list.files(data_path, full.names = TRUE, pattern = "*myfile*", recursive = TRUE) 

# 自定义读取函数
selectfl1a <- function(x) {
  # 以字符型读取前4列，fill=TRUE避免行元素数不符报错
  raw_data <- read.table(x, 
                         colClasses = c(rep("character", 4), rep("NULL", 6)), 
                         fill = TRUE, 
                         stringsAsFactors = FALSE)
  
  # 过滤有效行：仅保留前4列都能转为数值的行
  valid_rows <- apply(raw_data, 1, function(row) {
    # suppressWarnings忽略转数值时的警告（表头行转数值会触发，但会被过滤）
    all(!is.na(suppressWarnings(as.numeric(row))))
  })
  
  # 将过滤后的字符列转为数值型
  clean_data <- as.data.frame(lapply(raw_data[valid_rows, ], as.numeric), 
                              stringsAsFactors = FALSE)
  
  # 设置列名（若你已有ColNames，取前4列即可；无则直接定义）
  colnames(clean_data) <- ColNames[1:4]
  # 若未定义ColNames，可替换为：colnames(clean_data) <- c("Pt", "T", "Vf", "Im")
  
  return(clean_data)
}

# 批量读取并合并，生成带id标识的4列数据集
rowtest <- lapply(filenames, selectfl1a) %>% dplyr::bind_rows(.id = "id")

方法说明 #

1. 字符型读取：先用字符型读取前4列，避免次级表头行因无法转为数值直接报错。
2. 过滤无效行：通过检查每行是否能全部转为数值，精准剔除次级表头行，不会误删含科学计数法的有效数据。
3. 转回数值型：将过滤后的字符列统一转为数值型，保证后续合并的结构符合需求，bind_rows可正常运行。

内容的提问来源于stack exchange，提问作者Lina Bird