Apesar dos votos para baixo da pergunta, aqui vai uma solução em R base.
A primeira e principal função é a mais comprida mas na verdade é muito simples. Depois de dividir as linhas da entrada por espaços com strsplit
extrai as colunas dos dados uma a uma. A segunda função tem como argumentos o padrão dos ficheiros e o diretório e obtém primeiro os nomes dos ficheiros com list.files
, lê os dados com readLines
e depois chama a função principal para processar cada um dos conjuntos de dados.
parse_form <- function(x, header) {
# eliminar linhas em branco
ok <- (sapply(x, nchar) > 0L)
x <- x[ok]
# separar o texto de cada linha pelos espaços
lines_list <- strsplit(x, " +")
# e eliminar as strings vazias
lines_list <- lapply(lines_list, \(x) x[nchar(x) > 0L])
lines_list <- lapply(lines_list, trimws)
#
# agora processar as linhas uma a uma
# como o formato é fixo e conhecido de antemão
# não vale a pena complicar o código
#
Nome_Cliente <- lines_list[[1L]][2L]
CNPJ <- lines_list[[1L]][4L]
VENDAS <- lines_list[[2L]][-1L] |> as.integer()
PRODUTO_A_EM_KBRL <- lines_list[[3L]][-1L] |> as.integer()
PRODUTO_B_EM_KBRL <- lines_list[[4L]][-1L] |> as.integer()
data <- lines_list[[5L]][-1L] |> as.Date("%d/%m/%Y")
`Fat Líquido` <- lines_list[[6L]][-(1:2)] |> as.integer()
Resultado <- lines_list[[7L]][-1L] |> as.integer()
# juntar tudo num df
y <- data.frame(VENDAS, PRODUTO_A_EM_KBRL, PRODUTO_B_EM_KBRL,
data, `Fat Líquido`, Resultado, check.names = FALSE)
# estes dois só têm um valor cada
y$Nome_Cliente <- Nome_Cliente
y$CNPJ <- CNPJ
# e sair com a ordem requerida
y[c(7:8, 1:6)]
}
processar_formularios <- function(pattern, path = ".") {
fl_list <- list.files(path = path, pattern = pattern, full.names = TRUE)
form_list <- lapply(fl_list, readLines)
form_list <- lapply(form_list, parse_form)
do.call(rbind, form_list)
}
processar_formularios("so_pt_589327.txt")
# Nome_Cliente CNPJ VENDAS PRODUTO_A_EM_KBRL PRODUTO_B_EM_KBRL data Fat Líquido Resultado
# 1 AAAAAAAAAAA 11.111.111/0001-11 2020 0 1 2019-12-31 606949 17401
# 2 AAAAAAAAAAA 11.111.111/0001-11 2021 0 2 2020-12-31 739963 25615
# 3 AAAAAAAAAAA 11.111.111/0001-11 2022 0 3 2021-12-31 1087192 88542
# 4 AAAAAAAAAAA 11.111.111/0001-11 2023 0 4 2022-12-31 1263516 65477