如何将结构化大文本文件转换为含ID、DATE、TEXT的DataFrame？

可以用tidyverse工具链快速实现需求，核心思路是按分隔线分组，再从每组提取对应信息：

步骤1：加载依赖包 #

library(tidyverse)

步骤2：数据处理代码 #

# 整理原始数据并提取目标字段
result <- AA %>%
  # 重命名原始列，简化后续操作
  rename(content = `-------------------------------------------------`) %>%
  pull(content) %>%
  # 按分隔线分割为独立区块
  split(cumsum(str_detect(., "^-{51}$"))) %>%
  # 移除仅含分隔线的空区块
  discard(~length(.) == 1) %>%
  # 遍历每个区块提取信息
  map_df(function(block) {
    # 提取ID：匹配10位数字
    id <- str_extract(block[1], "\\d{10}")
    # 提取并转换日期：匹配DD-MM-YYYY格式
    date <- str_extract(block[1], "\\d{2}-\\d{2}-\\d{4}") %>%
      as.Date(format = "%d-%m-%Y")
    # 提取文本：合并区块内除元数据和分隔线外的内容
    text <- block[-c(1, length(block))] %>%
      str_c(collapse = "\n")
    
    tibble(ID = id, DATE = date, TEXT = text)
  })

代码说明 #

• 用str_detect识别分隔线（51个连续减号），通过cumsum实现区块分组
• 正则表达式\\d{10}精准匹配10位ID，\\d{2}-\\d{2}-\\d{4}匹配日期格式
• 文本内容保留原始换行结构，通过str_c(collapse = "\n")合并多行内容

运行后得到的result就是包含ID、DATE、TEXT三个变量的DataFrame。

内容的提问来源于stack exchange，提问作者hklovs