R：解析和存储由空间分隔的分层结构化数据以及快速搜索和快速访问

使用末尾“注释”中的内容，计算每个公司行开头的空格，并使用gsubfn将其替换为给出L2的级别编号。然后修剪掉前导空格后，用冒号L3替换每行的第一个空格。该文件现在为dcf格式，因此请使用read.dcf读取它以得到L4。

现在生成一个lv变量，将级别号指定为数字，并为每一行生成顺序的数字ID。计算给定父代的父代ID，然后使用到目前为止已计算的内容构造一个数据框。树的整体根由0表示。从DF生成图的边列表e，并将其转换为igraph。从中生成简单路径，并创建具有列路径，公司，类型，基础和行业的数据帧DF2，以使每一行代表根以外的一个节点。

如果您愿意，可以将lv和parent添加到我们计算出的数据帧中，但由于您可能不需要它们而未添加。

下面的假设是每个缩进为4个空格。

对级别可以走多深没有限制。

我们可以使用数据框操作搜索DF2，以查找各种基于文本的查询，例如

subset(DF2, grepl("Samsung", paths))  # Samsung and its descendents

或者我们可以使用igraph函数对g进行图形查询，例如

max(length(get.diameter(g))) - 1   # max depth not counting root

或者我们可以使用data.tree函数进行查询

dt$height -  1  # max depth not counting root

码

代码如下。

library(gsubfn)

content <- readLines(textConnection(Lines))
L2 <- gsubfn("( *)company", ~ paste0("level ", nchar(x) / 4L + 1L, "\ncompany"), content)
L3 <- sub(" ", ":", trimws(readLines(textConnection(L2))))
L4 <- read.dcf(textConnection(L3))
lv <- as.numeric(L4[, 1])
id <- seq_along(lv)
company <- L4[, "company"]
parent <- sapply(id, function(i) c(tail(which(lv[1:i] < lv[i]), 1), 0)[1])  

DF <- data.frame(id = company[id], parent = c("0", company)[parent+1], 
  level = lv, L4[, -1], stringsAsFactors = FALSE)
e <- with(DF, cbind(parent, id))

图

现在我们有了边缘列表，我们可以创建一个igraph并使用该程序包对其进行处理。

library(igraph)

g <- graph_from_edgelist(e)

p <- all_simple_paths(g, "0")
paths <- sapply(p, function(x) paste(names(x), collapse = "/"))
DF2 <- data.frame(paths, L4[, -1], stringsAsFactors = FALSE)
DF2

提供一个path列，后跟每个节点的属性：

                               paths              company       type         based                                                                   industry
1                          0/Samsung              Samsung    private   South Korea                                                                       <NA>
2     0/Samsung/Harman International Harman International    private United States                                                                Electronics
3 0/Samsung/Harman International/JBL                  JBL subsidiary United States                                                                      Audio
4                          0/Amazaon              Amazaon     public United States Cloud computing, e-commerce, artificial intelligence, consumer electronics

我们可以这样绘制图形：

plot(g, layout = layout_as_tree(g))

（续图）

数据树

我们还可以使用data.tree及其许多功能来处理此问题：

library(data.tree)
library(DiagrammeR)

dt <- FromDataFrameNetwork(DF)
print(dt, "type", "based", "industry")

给予：

                     levelName       type         based                                                                   industry
1 0                                                                                                                               
2  ¦--Samsung                     private   South Korea                                                                           
3  ¦   °--Harman International    private United States                                                                Electronics
4  ¦       °--JBL              subsidiary United States                                                                      Audio
5  °--Amazaon                      public United States Cloud computing, e-commerce, artificial intelligence, consumer electronics

我们可以如下绘制或转换数据树数据

plot(dt)  # plot in browser
ToListSimple(dt) # convert to nested list
ToListExplicit(dt) # similar but children in children component

注意

我们可以像这样重复创建内容：

Lines <- "
company Samsung
type private
based South Korea

    company Harman International
    type private
    based United States
    industry Electronics

        company JBL
        type subsidiary
        based United States
        industry Audio

company Amazaon
type public
based United States
industry Cloud computing, e-commerce, artificial intelligence, consumer electronics"

content <- readLines(textConnection(Lines))