如何导入含填充空格及可变间隔空格的空格分隔文件至R

针对CodonW这类90年代程序输出的、混合空格分隔/固定宽度的特殊格式文件，以下是几种可靠的导入方案：

方案1：使用基础R的read.table()（最简单） #

read.table()默认支持将任意数量的空白字符（空格、制表符等）作为分隔符，自动适配列宽变化的情况，直接处理表头和数据行：

# 读取文件，自动识别空白分隔符
df <- read.table("stacktest_alt.blk", header = TRUE, sep = "", stringsAsFactors = FALSE)

如果部分列需要转换为数值类型，可后续处理：

# 将可转换为数值的列自动转换
df[] <- lapply(df, function(col) {
  if (all(grepl("^\\d+\\.?\\d*$", col, na.rm = TRUE))) as.numeric(col) else col
})

方案2：使用data.table::fread()（智能适配） #

fread()对不规则分隔的文件兼容性极强，能自动识别复杂的分隔规则，适合处理这类老式程序输出：

library(data.table)
# auto模式自动检测分隔符
df <- fread("stacktest_alt.blk", header = TRUE, sep = "auto")

方案3：手动提取对齐字段（应对极端情况） #

如果上述方法失效（比如部分字段内部包含空格），可利用CodonW输出字段对齐的特点，手动提取每个列的内容：

1. 读取所有文本行

raw_lines <- readLines("stacktest_alt.blk")

2. 解析表头的列名和每个列的起始/结束位置

header_line <- raw_lines[1]
# 匹配表头中的非空白字段（列名）
header_matches <- gregexpr("\\S+", header_line)[[1]]
header_names <- regmatches(header_line, header_matches)[[1]]
# 获取每个列的起始和结束位置
col_starts <- header_matches
col_ends <- c(header_matches[-1] - 1, nchar(header_line))

3. 逐行提取字段并整理为数据框

# 定义行处理函数：按位置提取字段并去除前后空格
process_line <- function(line, starts, ends) {
  mapply(function(s, e) trimws(substr(line, s, e)), starts, ends)
}
# 处理所有数据行
data_matrix <- t(sapply(raw_lines[-1], process_line, starts = col_starts, ends = col_ends))
# 转换为数据框并设置列名
df <- as.data.frame(data_matrix, stringsAsFactors = FALSE)
names(df) <- header_names
# 转换数值列
df[] <- lapply(df, function(col) {
  if (all(grepl("^\\d+\\.?\\d*$", col, na.rm = TRUE))) as.numeric(col) else col
})

内容的提问来源于stack exchange，提问作者yotiao