SAS转R：如何从无格式文本中按条件提取指定位置字段？

核心思路 #

先筛选首字符为3的行，再从这些行中按固定位置提取目标字段。针对大型文本文件，优先选择高效的读取/处理方式。

方案1：使用readr包（推荐，适合大文件） #

readr处理大型文本文件效率更高、内存控制更优，适配你的场景：

1. 安装并加载包（未安装时执行）：

install.packages("readr")
library(readr)

2. 读取并过滤目标行：

# 读取文件所有行
all_lines <- read_lines("your_file.txt")
# 筛选首字符为"3"的行
filtered_lines <- all_lines[substr(all_lines, 1, 1) == "3"]

3. 定义字段规则并提取数据：

# 定义字段的起始/结束位置与对应名称
field_spec <- fwf_positions(
  start = c(3, 6, 29, 37, 55),
  end = c(5, 9, 35, 39, 57),
  col_names = c("company_code", "flight_number", "days_of_operation", "origin", "destination")
)

# 将过滤后的行转换为数据框
df <- read_fwf(I(filtered_lines), col_positions = field_spec)

# 确保指定字段为字符型
df$flight_number <- as.character(df$flight_number)
df$days_of_operation <- as.character(df$days_of_operation)

方案2：基础R实现（无需额外包） #

不想安装第三方包时，可直接用基础R函数处理：

# 读取所有行
all_lines <- readLines("your_file.txt")
# 筛选首字符为"3"的行
filtered_lines <- all_lines[substr(all_lines, 1, 1) == "3"]

# 按位置提取字段并构建数据框
df <- data.frame(
  company_code = substr(filtered_lines, 3, 5),
  flight_number = as.character(substr(filtered_lines, 6, 9)),
  days_of_operation = as.character(substr(filtered_lines, 29, 35)),
  origin = substr(filtered_lines, 37, 39),
  destination = substr(filtered_lines, 55, 57),
  stringsAsFactors = FALSE
)

关键说明 #

• 字段位置按1起始计算，完全匹配你给出的第3-5位、第6-9位等要求；
• 先过滤再提取的逻辑，避免加载不必要的行，节省内存；
• 显式将flight_number和days_of_operation转为字符型，避免默认因子类型干扰后续处理。

内容的提问来源于stack exchange，提问作者Amr