如何用R语言将多份TXT文件合并为ID-Age-Gender数据表？

咱们一步步来搞定这个把分散TXT文件合并成统一数据表的需求，先理清楚核心细节：每个TXT文件名就是ID，文件里是两行键值对（比如Age: 25和Gender: F），最终要生成带ID（文件完整路径，后续可按需处理）、Age、Gender的数据表。

完整解决方案代码 #

首先确保你加载了data.table（用来高效合并数据）和stringr（用来处理字符串/路径）这两个常用包：

library(data.table)
library(stringr)

# 1. 自定义读取单个文件的函数
read_single_file <- function(file_path) {
  # 读取文件的每一行内容
  content_lines <- readLines(file_path)
  
  # 提取Age数值：精准匹配行里的数字部分
  age_value <- str_extract(content_lines[grepl("Age:", content_lines)], "\\d+")
  # 提取Gender值：匹配行里的F/M（如果有其他性别标识，可调整正则表达式）
  gender_value <- str_extract(content_lines[grepl("Gender:", content_lines)], "[FM]")
  
  # 返回单个文件对应的data.table行
  data.table(
    ID = file_path,
    Age = as.integer(age_value),  # 转换为整数类型，方便后续分析
    Gender = gender_value
  )
}

# 2. 获取目标文件夹下所有TXT文件的完整路径
all_test <- list.files(path = "my/file/path", full.names = TRUE)

# 3. 批量读取所有文件并合并成一个数据表
dtt <- rbindlist(lapply(all_test, read_single_file))

# 4. 可选：把ID从完整路径改成原始文件名（去掉路径和.txt后缀）
dtt[, ID := str_remove(basename(ID), "\\.txt$")]

代码逻辑说明 #

• 为什么不用你原来的sapply+fread？因为每个文件的结构是两行键值对，fread直接读取会把每行当成独立的行/列，没法直接提取出Age和Gender的有效值，所以咱们自定义了读取函数来针对性处理。
• readLines用来读取文件的每一行，然后用grepl定位到包含Age/Gender的行，再用str_extract提取对应的值。
• rbindlist是data.table里高效合并多个小数据表的函数，比基础R的do.call(rbind, ...)速度快很多，适合处理大量文件。
• 最后一步处理ID是把完整路径转换成原始文件名（也就是你需要的核心ID），如果不需要这一步可以直接跳过。

示例效果 #

假设你有两个测试文件：

• 1.txt内容：

Age: 25
Gender: F

• 2.txt内容：

Age: 14
Gender: M

运行代码后，dtt会生成如下数据表：

容错小提示 #

如果有些文件里的Age不是数字、或者Gender格式不统一，可以在函数里加容错处理，比如：

# 处理Age缺失或非数字的情况
age_value <- ifelse(is.na(str_extract(content_lines[grepl("Age:", content_lines)], "\\d+")), 
                    NA, 
                    str_extract(content_lines[grepl("Age:", content_lines)], "\\d+"))

内容的提问来源于stack exchange，提问作者anon