使用grep匹配TXT指定字符并插入修改行的R语言问题求助

问题描述 #

需要处理Test.txt文件，完成以下需求：

• 匹配同时包含un和ɛ̃的行；
• 对每个匹配行，插入一行内容完全相同但将ɛ̃替换为œ̃的新行；
• 将原文件内容加上插入的新行输出到新的TXT文件。

Test.txt内容如下：

V1            V2
1       chambrun     ʃ ɑ̃ b ʁ ɛ̃
2       chambrun     ʃ ɑ̃ b ʁ œ̃
3           alun         a l ɛ̃
4        emprunt       ɑ̃ p ʁ ɛ̃
5      demprunta   ɑ̃ p ʁ ɛ̃ t a
6  fempruntaient   ɑ̃ p ʁ ɛ̃ t ɛ
7     empruntait   ɑ̃ p ʁ ɛ̃ t ɛ
8    eempruntant   ɑ̃ p ʁ ɛ̃ t ɑ̃
9      gemprunte     ɑ̃ p ʁ ɛ̃ t
10   hempruntent     ɑ̃ p ʁ ɛ̃ t
11    demprunter   ɑ̃ p ʁ ɛ̃ t e
12    vempruntes     ɑ̃ p ʁ ɛ̃ t
13   hemprunteur ɑ̃ p ʁ ɛ̃ t œ ʁ
14  eemprunteurs ɑ̃ p ʁ ɛ̃ t œ ʁ
15    bempruntez   ɑ̃ p ʁ ɛ̃ t e
16     kemprunts       ɑ̃ p ʁ ɛ̃
17 nempruntèrent ɑ̃ p ʁ ɛ̃ t ɛ ʁ
18     vemprunté   ɑ̃ p ʁ ɛ̃ t e
19    fempruntée   ɑ̃ p ʁ ɛ̃ t e
20   wempruntées   ɑ̃ p ʁ ɛ̃ t e
21    2empruntés   ɑ̃ p ʁ ɛ̃ t e

原尝试代码输出的是匹配行的索引而非实际文本，核心问题在于对grep返回值的处理错误，以及未正确读取和处理原文件的所有行。

原代码问题分析 #

1. grep('un.*ɛ̃', readLines("Test.txt"))返回的是匹配行的索引数字，而非行的实际文本内容；
2. 循环中直接使用索引line拼接，导致最终结果是数字而非文本；
3. all_lines <- c('Test.txt', modified_lines)错误地将文件名作为内容加入，而非原文件的所有行；
4. 循环未闭合（缺少}），存在语法错误。

修正后的代码 #

# 1. 读取原文件所有行
all_original_lines <- readLines("Test.txt")

# 2. 初始化存储最终内容的向量
final_lines <- character()

# 3. 遍历每一行，处理匹配行
for (line in all_original_lines) {
  # 添加原行到最终内容
  final_lines <- c(final_lines, line)
  # 判断当前行是否同时包含'un'和'ɛ̃'
  if (grepl('un.*ɛ̃', line)) {
    # 生成替换后的行并添加
    modified_line <- gsub("ɛ̃", "œ̃", line)
    final_lines <- c(final_lines, modified_line)
  }
}

# 4. 按需求排序（如果需要保持原顺序+插入行则可跳过此步）
# sorted_lines <- sort(final_lines)

# 5. 写入新文件
writeLines(final_lines, 'myfile.txt', sep = '\n')

代码解释 #

1. 读取原文件：用readLines一次性读取所有行到向量all_original_lines，完整保留原文本内容；
2. 遍历处理：逐行检查是否匹配模式un.*ɛ̃，匹配则先添加原行，再添加替换ɛ̃为œ̃的新行；不匹配则直接添加原行；
3. 写入文件：将处理后的所有行写入新文件，确保输出的是完整文本内容而非索引。

如果需要最终内容按字母排序，取消注释sorted_lines相关代码，将writeLines的参数改为sorted_lines即可。

内容的提问来源于stack exchange，提问作者hall_damien