从R中的文本中删除单词和符号

问题描述

请考虑以下示例。是否可以从stopwords中删除text？

library(tm)
text <- c("this is exercise for text mining ≤µm ≥°f ±μgm")
stopwords <- ("≤µm","≥°f","±μgm")

解决方法

您可以像下面一样尝试gsub

gsub(paste0(stopwords,collapse = "|"),"",text)

,

首先，示例字符串中存在一些错误。 text缺少引号，stopwords缺少括号前的c。

text <- c("this is exercise for text mining ≤µm ≥°f ±μgm")
stopwords <- c("≤µm","≥°f","±μgm")

您可以使用stringr从字符串中删除停用词中的值，如下所示：

library(stringr)
str_replace_all(text,paste(stopwords,"")

,

由于您将要进行文本挖掘，因此您可能希望将输入字符串转换为单词向量。如果是这样，您可以通过子设置轻松删除停用词。

library(stringr)
text <- c("this is exercise for text mining ≤µm ≥°f ±μgm")
stopwords <- c("≤µm","±μgm")
text <- unlist(str_split(text," "))
text[!(sapply(text,function (x) any(str_detect(stopwords,x))))]

如果您的工作是将单词放在data.frame或类似内容中，那么还有另一种方法：

library(dplyr)
library(stringr)
text <- c("this is exercise for text mining ≤µm ≥°f ±μgm")
stopwords <- c("≤µm"," "))
data.frame(words = text) %>% anti_join(data.frame(words = stopwords))