Me hallo extrayendo los datos de una vieja caja registradora. Está contiende registros de los tickets de venta en un formato obsoleto del cual no tengo la llave y me hallo extrayendo la información que contiene en formato string
. Cada archivo de la corresponde a un día , puedo cargarlo y leerlo en R
con read_csv
.
A continuación un ejemplo del output de un archivo:
[1] "<21-01-20 22:30002437/1 25.70 :10011001006520-"
[2] "A 1010 ARTICULO 1 1 10.00 1110 0 0 0.004920."
[3] "A 1014 ARTICULO 2 1 9.50 1110 0 0 0.00FA20/"
[4] "A 202 ARTICULO 3 1 2.50 0110 0 0 0.006C200"
[5] "A 202 ARTICULO 3 1 2.50 0110 0 0 0.006C201"
[6] "A 3 ARTICULO 4 1 1.20 0110 0 0 0.00F4202"
[7] "R 2 TARJETA 1 25.7041203"
[8] "h 92 MODIFICAR COBRO 1 0.009A204"
[9] "x 1 I.V.A. 10% 1 2.34 1000 23.36 08205"
[10]"c 0 0 0.00 - 08F206"
[11]"B 3 AT -> 2437 76207"
[12]"-D 0 -1 1127 1F1208"
[13]"\21-01-20 21:11002435/1 13.00 :51007001002520{"
[14]"A 1052 ARTICULO 5 1 12.00 1110 0 0 0.002720|"
[15]"A 80 ARTICULO 6 1 1.00 0110 0 0 0.002620}"
[16]"R 1 EFECTIU 1 13.008220~"
[17]"x 1 I.V.A. 10% 1 1.18 1000 11.82 4220"
[18]"c 0 0 0.00 - 08F20 "
[19]"-D 0 1 1127 1B220!"
[20]"<21-01-20 22:30002439/1 25.70 :5901000100C720C"
[21]"/21-01-2020 22:55/4/127/01085775/17/4E20D"
El output final que busco de esa lista sería:
$`21-01-20 22:30`
Codigo_producto Nombre_articulo Cantidad Precio
1 1010 ARTICULO 1 1 10.00
2 1014 ARTICULO 2 1 9.50
3 202 ARTICULO 3 1 2.50
4 202 ARTICULO 3 1 2.50
5 3 ARTICULO 4 1 1.20
$`21-01-20 21:11`
Codigo Nombre_articulo Cantidad Precio
1 1052 ARTICULO 5 1 12.0
2 80 ARTICULO 6 1 1.0
- El primer elemento de la lista correspondería al contenido de las líneas entre 2 y 6, con nombre de lista la fecha contenida en la línea 1.
- El segundo elemento de la lista correspondería a las líneas entre 14 y 15, con nombre de lista la fecha contenida en la línea 13.
Mi problema no está en las expresiones regulares para la extracción individual de los artículos. Ya he creado las expresiones expresiones regulares para la extracción de los elementos cuyo string comienza por la letra A. Mi problema es no sé como conseguir que la fecha y los artículos que cuadren de forma en el resultado final.
Necesito coger solo las fechas de las líneas cuyo línea siguiente que comience por A
. He probado con substrings de varios tipos, pero no domino esto de trabajar con listas en formato condicional. Además hay ciertas limitaciones:
- Las fechas a veces puede aparecer con el símbolo \ o bien el símbolo < (como se pueden ver en las filas 1 y 13).
- A veces aparecen fechas que no contienen nada relacionado con una compra como en las filas 20 y 21.
Normalmente uso el formato de programación funcional tidyverse
en R