在R中标准化文件：移除自动换行的解决方法

第一步：合并自动换行的记录 #

核心是先把被强制拆分的记录合并成完整一行，再进行后续拆分操作，以下是两种实用方案：

方案1：用awk命令行工具（高效快速） #

假设你的标识符以**数字+_{**开头（如示例中的450}、630~），用awk识别完整记录的起始行，自动合并断行：

awk '
/^[0-9]+~/ {
    if (prev != "") print prev
    prev = $0
    next
}
{
    gsub(/^[[:space:]]+/, "", $0)  # 移除断行开头的空格
    prev = prev $0
}
END { print prev }
' your_input_file.txt > merged_file.txt

逻辑说明：

• 匹配以数字+~开头的行（每条记录的首行），输出上一条完整记录后缓存当前行
• 非起始行则去掉开头空格，追加到缓存的记录中
• 最后输出剩余的缓存记录

方案2：用R语言处理 #

如果你习惯用R，可按以下步骤实现：

# 读取所有行并过滤空行
lines <- readLines("your_input_file.txt")
lines <- lines[lines != ""]

# 定位每条记录的起始行索引
start_idx <- grep("^[0-9]+~", lines)
# 生成每个记录对应的行范围
record_ranges <- mapply(function(s, e) s:(e-1), start_idx, c(start_idx[-1], length(lines)+1))

# 合并每个记录的多行内容
merged_records <- sapply(record_ranges, function(idx) {
  paste(gsub("^\\s+", "", lines[idx]), collapse = "")
})

# 保存合并后的完整记录文件
writeLines(merged_records, "merged_file.txt")

第二步：按第一列标识符拆分文件 #

合并完成后，可通过以下方式拆分：

用awk拆分 #

直接基于合并后的文件操作：

BEGIN { FS = "~" }
{ print > $1 ".txt" }

执行命令：awk -f split.awk merged_file.txt
说明：以~为分隔符，将每条记录写入以第一列标识符命名的文件（如450.txt、630.txt）

用my_splits工具 #

如果my_splits支持指定分隔符和拆分键，直接传入合并后的文件即可，示例命令（具体以工具文档为准）：

my_splits --delimiter '~' --key-column 1 merged_file.txt

内容的提问来源于stack exchange，提问作者jjohnson1217