Início / coding / Perguntas / 79042859
Accepted
eazyezy
Asked: 2024-10-01 19:08:09 +0800 CST

Como posso listar arquivos em uma pasta com base no número da versão?

  • 772

Tenho uma pasta contendo arquivos .txt com o seguinte nome:

A_COR_001_I
A_COR_001_II
A_COR_002_I
A_COR_002_II
A_COR_003_I
A_COR_003_II
A_COR_003_III
A_COR_004_I
A_COR_004_II
A_COR_004_III
A_COR_004_IV
...

Os algarismos romanos no final de cada string significam o rascunho definitivo de um documento distinto, identificado pelos números arábicos precedentes, como 002. Estou tentando extrair apenas os rascunhos finais com um padrão regex usando uma função list.files(), mas o problema é que cada documento tem um número imprevisível de rascunhos, então eu precisaria de uma maneira de agrupar os rascunhos de cada documento e destacar aqueles com o número mais alto, então A_COR_004_IV em vez de A_COR_004_III ou qualquer outro. Alguma ideia de como proceder? Obrigado antecipadamente!

3 respostas

  1. Best Answer

    A base R tem uma as.roman()função que permite manipulação simples de... algarismos romanos .

    Então divida os arquivos em listas por nome de arquivo com base no que aparece antes do último sublinhado (ou seja, "A_COR_001"para "A_COR_004") e então encontre o elemento com o max()numeral romano (ou seja, valor numérico máximo após o sublinhado final).

    split(files, sub("_[^_]+$", "", files)) |>
    lapply(
        \(l) l[which.max(as.roman(sub(".*_", "", l)))]
    )
# $A_COR_001
# [1] "A_COR_001_II"

# $A_COR_002
# [1] "A_COR_002_II"

# $A_COR_003
# [1] "A_COR_003_III"

# $A_COR_004
# [1] "A_COR_004_IV"

    Imagino que isso não será um problema aqui, mas observe que os documentos afirmam:

    Somente números entre 1 e 3999 têm uma representação única como números romanos e, portanto, outros resultam em as.roman(NA).

    Curiosamente, isso é na verdade apenas structure(NA_integer_, class = "roman").

    Aliás, list.files()retornará os resultados em ordem lexicográfica, que se você tiver no máximo 8 versões de todos os arquivos é a ordem que você quer (até IX). Então você pode simplesmente fazer lapply(split(files, sub("_[^_]+$", "", files)), tail, 1).

    Dados

    files <- c( "A_COR_001_I", "A_COR_001_II", "A_COR_002_I", "A_COR_002_II", "A_COR_003_I", "A_COR_003_II", "A_COR_003_III", "A_COR_004_I", "A_COR_004_II", "A_COR_004_III", "A_COR_004_IV" )
    • 4

  2. Algo como:

    f <- c("A_COR_001_I", "A_COR_001_II", "A_COR_002_I", "A_COR_002_II", "A_COR_003_I", "A_COR_003_II", "A_COR_003_III", "A_COR_004_I", "A_COR_004_II", "A_COR_004_III", "A_COR_004_IV")

f |> as.data.frame() |>
  dplyr::mutate(number = stringr::str_extract(pattern = "\\d+", f), 
                roman = as.numeric(as.roman(stringi::stri_extract_last_regex(pattern = "[A-Z]+", f)))) |>
  dplyr::arrange(number, dplyr::desc(roman)) |>
  dplyr::group_by(number) |>
  dplyr::filter(dplyr::row_number()==1)
#> # A tibble: 4 × 3
#> # Groups:   number [4]
#>   f             number roman
#>   <chr>         <chr>  <dbl>
#> 1 A_COR_001_II  001        2
#> 2 A_COR_002_II  002        2
#> 3 A_COR_003_III 003        3
#> 4 A_COR_004_IV  004        4

    Criado em 2024-10-01 com reprex v2.1.0

    • 3

  3. Supondo que os nomes dos arquivos não estejam necessariamente em nenhuma ordem específica, defina

    • stemcomo a substring até o último sublinhado e
    • vercomo o número da versão convertido em numérico.

    Em seguida, extraia os nomes de arquivos que tenham a maior versão do seu radical.

    Isso usa apenas a base R, é vetorizado e não usa *apply.

    stem <- trimws(files, "right", "[^_]")
ver <- as.integer(as.roman(sub(".*_", "", files)))
files[ave(ver, stem, FUN = max) == ver]
## [1] "A_COR_001_II"  "A_COR_002_II"  "A_COR_003_III" "A_COR_004_IV"

    Se soubesse que os arquivos já estão classificados, como é o caso da pergunta, então isso seria o suficiente:

    tapply(files, trimws(files, "right", "[^_]"), tail, 1)
##      A_COR_001_      A_COR_002_      A_COR_003_      A_COR_004_ 
##  "A_COR_001_II"  "A_COR_002_II" "A_COR_003_III"  "A_COR_004_IV"

    Observação

    files <- c("A_COR_001_I", "A_COR_001_II", "A_COR_002_I", "A_COR_002_II", 
  "A_COR_003_I", "A_COR_003_II", "A_COR_003_III", "A_COR_004_I", 
  "A_COR_004_II", "A_COR_004_III", "A_COR_004_IV")
    • 1

relate perguntas