如何让R一次性读取数千份.txt格式的10-K财务报告？

Hey there! Let's break down your issues one by one and get those 10-K reports loaded smoothly.

1. 关于readtext无输出无报错的问题 #

你遇到的“无输出无报错”其实是正常现象——readtext已经把结果存入了text变量，但R默认不会自动打印变量内容。你只需要在运行代码后输入text或者print(text)就能看到读取到的内容了。

另外，先确认你的路径是否正确，避免因为路径错误导致读取失败：

dir <- "/Users/Documents/Edgar filings"
target_dir <- paste0(dir, "/ALL_2016")
# 检查目标文件夹是否存在
dir.exists(target_dir)

如果返回TRUE，说明路径没问题；如果是FALSE，需要检查文件夹名是否拼写正确（注意空格和大小写）。

对于单个文件的读取，不需要加通配符*，直接用完整文件名即可：

text_single <- readtext(paste0(target_dir, "/10254_10-K_2016-03-11.txt"))
print(text_single)

2. 关于quanteda的textfile报错问题 #

textfile函数在新版本的quanteda中已经被弃用了，现在官方推荐用readtext配合corpus()来创建语料库。首先确保你的quanteda是最新版本：

update.packages("quanteda")

然后用以下代码读取并创建语料库：

library(quanteda)
library(readtext)

mycorpus <- corpus(readtext(paste0(target_dir, "/*.txt")))
# 查看语料库基本信息
summary(mycorpus)

3. 使用list.files()+循环的手动读取方法 #

如果你想手动实现循环读取，这里有个清晰的步骤：

第一步：获取所有txt文件的完整路径 #

file_paths <- list.files(
  path = target_dir,
  pattern = "\\.txt$",  # 匹配所有以.txt结尾的文件
  full.names = TRUE     # 返回完整路径，方便后续读取
)

这会返回一个包含所有目标文件路径的向量。

第二步：循环读取文件 #

可以用lapply（比for循环更简洁）或者for循环：

方法1：用lapply读取到列表中

# 读取每个文件的内容，存入列表
text_list <- lapply(file_paths, function(path) {
  # readLines适合读取纯文本文件，warn=FALSE关闭换行符警告
  readLines(path, warn = FALSE)
})
# 给列表元素命名（用文件名）
names(text_list) <- basename(file_paths)

方法2：用for循环读取并整理成数据框

# 初始化空数据框
text_df <- data.frame(
  doc_id = character(),
  text = character(),
  stringsAsFactors = FALSE
)

for (path in file_paths) {
  # 读取文件内容并合并成单字符串
  content <- paste(readLines(path, warn = FALSE), collapse = "\n")
  # 添加到数据框
  text_df <- rbind(text_df, data.frame(
    doc_id = basename(path),
    text = content,
    stringsAsFactors = FALSE
  ))
}

之后你可以把这个数据框转换成quanteda语料库：mycorpus <- corpus(text_df)

总结 #

最推荐的方法是用readtext配合quanteda，因为它专门处理多文本文件的读取，会自动帮你整理好文档ID和内容，省去手动循环的麻烦。如果还是有问题，先检查文件路径是否正确，以及R包是否是最新版本。

内容的提问来源于stack exchange，提问作者xantos