R语言提取仿真统计文件每行统计项与首个数值的实现方法

一、正则表达式修改方法 #

你之前的写法返回结果带前置空白，是因为str_extract默认返回整个正则匹配的内容，你写的\\s+(\\S+)会把前置的空白也纳入匹配结果。可以用以下两种方法修改：

• 用正向零宽断言：把提取数值的正则改为"(?<=\\s)\\S+"，零宽断言只会校验字符前置是否为空白，不会把空白本身纳入匹配结果，返回内容就是纯数值。
• 用str_match取捕获组：执行str_match(line, "^\\S+\\s+(\\S+)")[,2]，直接取第一个捕获组的内容，即可得到不带前置空白的数值。

二、更优雅的批量处理方案 #

你的统计文件格式非常规整，完全不需要逐行循环提取，直接用内置的表格读取函数即可一次性生成结构化的统计结果：

stats_df <- read.table(
  file = "你的统计文件路径",
  skip = 1, # 跳过开头的"---------- Begin Simulation Statistics ----------"注释行
  header = FALSE,
  col.names = c("stat_name", "stat_value"),
  fill = TRUE,
  comment.char = "#", # 自动忽略#之后的所有注释内容
  colClasses = c("character", "numeric") # 直接指定列类型，无需后续转换
)

执行后stats_df就是包含所有统计项名称和对应数值的数据框，后续可以直接按需求过滤、查询，比逐行处理效率高很多。

内容的提问来源于stack exchange，提问作者vic