R.scripts

R.scripts Rのちょっとしたスクリプト

検索

grepは、検索文字列が含まれる要素を返す。
文字列が「単語」で、要素が「文」の場合、
- その「文」の中に「単語」が含まれているかどうかを探す。
- 含まれている「文」を返す。
- 注意点：「文」の中に「単語」が２回使われている場合
  - grepしたらその「文」を返すだけ。その「文」にはその「単語」が含まれている
  - 「文」の中に「単語」が２回含まれていることは答えてくれない。

myGrep

ウインドウが開いて検索対象ファイルをえらぶ（例： myGrep("had some"）

myGrep <- function(a){
lines.tmp <- scan(choose.files(), what="char", sep="\n")
grep(a, lines.tmp, value=T)
}

myGrep2

TOP ↑ ↓

ファイル名も指定する（例： myGrep2("had some", "JPN005.txt）
- ただし、作業ディレクトリーが検索対象ファイルのあるディレクトリー（フォルダ）にあること

myGrep2 <- function(a, b){
lines.tmp <- scan(b, what="char", sep="\n")
grep(a, lines.tmp, value=T)
}

myGrep3.R

TOP ↑ ↓

ディレクトリー内のすべてのファイルに対し、対象とする文字列が何回出現するかの一覧表を出力

myGrep3.R(311)

myGrep3 <- function(a){

	#copyleft 2019-01-24 sugiura@nagoya-u.jp
	output.file = choose.files()
	#結果を保存するファイル名を指定する。保存場所に注意
	#（ファイル名を聞かれたら適当に名前を付ける。例えば jpn.txt）

	files <- list.files()
	for (i in files) {

	hit <- vector()

	lines.tmp <- scan(i, what="char", sep="\n")
		#ファイルを選択。

	data.tmp <- grep("\\*(JPN|NS)...:\t", lines.tmp, value=T)
		#*で始まり
		# JPNかNS があって、
		# その後ろに、３文字あって、
		# その後ろに、コロンの記号とタブ記号がある行のみ。
	body.tmp <- gsub("\\*(JPN|NS)...:\t", "", data.tmp)
		#行頭の記号とタブ記号を削除。
	body.tmp <- body.tmp[body.tmp != ""]
		# 空の要素を削除（空でない要素のみを残す）する「イディオム」
	body.lower <- tolower(body.tmp)
									# 小文字にして
	body.nopunc <- gsub("\\W", " ", body.lower)
									# 記号をスペースに
	body.single <- gsub(" +", " ", body.nopunc)
									# 重複スペースを一つに
	body.clear <- gsub(" $", "", body.single)
									# 文末スペースの削除
	body.token <- unlist(strsplit(body.clear, " "))
									# 
	body.token <- body.token[body.token != ""]
							# 空の要素を削除する「イディオム」1

		hit <- grep(a, body.token)
	
	cat(i, length(hit), "\n", file=output.file, append=T)

	}
}