过滤掉非英文文本

问题描述

是否有一个函数，可能作为 quanteda、tidytext 或许多其他文本分析包之一的一部分来从向量中删除非英语文本？例如。说我有以下小标题：

some_text <- tibble(c('This is an English phrase','Esta es una frase español','
这些是中文单词。','Dies ist ein deutscher Satz','Questo è italiano!','This is also an English phrase'))

# A tibble: 6 x 1
  `c(...)`                        
  <chr>                           
1 "This is an English phrase"     
2 "Esta es una frase español"     
3 "\n这些是中文单词。"            
4 "Dies ist ein deutscher Satz"   
5 "Questo è italiano!"            
6 "This is also an English phrase"

我希望它变成：

# A tibble: 2 x 1
  `c(...)`                      
  <chr>                         
1 This is an English phrase     
2 This is also an English phrase

让我吃惊的是，可能有某种方法可以使用 tidytext 中的停用词函数之一来创建一个布尔值，然后进行相应的过滤，但这只有在特定短语包含停用词（可能不会）时才有效).

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）