正则表达式错误信息 - “内存不足”

我一直在玩R的情绪分析功能，并且一直运行在运行gsub函数时引发的错误。正面和负面的单词列表取自here。正则表达式错误信息 - “内存不足”

经过一番Google搜索之后，我在R帮助列表中发现了一处提到这个错误的地方，但没有其他地方。有没有人遇到这个问题？到底是怎么回事？有没有解决方法？

我在过去使用字符串时运行过类似的代码（使用gsub和stringer包），这是我第一次遇到这种类型的错误。此外，我试图通过在一组不同的字符串上编写类似的脚本来重现此错误，并且工作正常。

以下是错误消息：

> pos_match <- str_c(vpos, collapse = "|") 
> neg_match <- str_c(vneg, collapse = "|") 
> dat$positive <- as.numeric(str_detect(dat$Comment, pos_match)) 
> dat$negative <- as.numeric(str_detect(dat$Comment, neg_match)) 
Error: invalid regular expression, reason 'Out of memory'

这里是整个 '的过程。'

## SET WORKING DIRECTOR AND IMPORT PACKAGES: 
setwd("~/Desktop/R_Tricks") 
require(tm); require(stringr); require(lubridate); library(RTextTools) 

# IMPORT DATA: 
d1 <- read.csv("Video_Comments.csv", stringsAsFactors=FALSE, sep=",", fileEncoding="ISO_8859-2") 
pos <- read.csv("positive-words.csv", stringsAsFactors=FALSE, header=TRUE, fileEncoding="ISO_8859-2") 
neg <- read.csv("negative-words.csv", stringsAsFactors=FALSE, header=TRUE, fileEncoding="ISO_8859-2") 
vpos = as.vector(pos[,1]); vneg = as.vector(neg[,1]) 
head(vpos); head(vneg) 
colnames(d1); nrow(d1); ncol(d1) 
str(d1); head(d1) 
table(d1$Likes); table(d1$Replies) 
nrow(vpos); nrow(vneg) 
length(vpos); length(vneg) 
is.atomic(vpos); is.atomic(vneg) 

# SELECT DATA: 
dat = data.frame(Comment=c(d1$Comment)) 
head(dat) 
# CLEAN DATA - COMMENTS: 
dat$Comment = gsub('[[:punct:]]', '', dat$Comment) 
dat$Comment = gsub('[[:cntrl:]]', '', dat$Comment) 
dat$Comment = gsub('\\d+', '', dat$Comment) 
dat$Comment = tolower(dat$Comment) 
head(dat) 
# CLEAN DATA - CLASSIFICATIONS: 
vpos = gsub('[[:punct:]]', '', vpos); vneg = gsub('[[:punct:]]', '', vneg) 
vpos = gsub('[[:cntrl:]]', '', vpos); vneg = gsub('[[:cntrl:]]', '', vneg) 
vpos = gsub('\\d+', '', vpos); vneg = gsub('\\d+', '', vneg) 
vpos = tolower(vpos); vneg = tolower(vneg) 
head(vpos); head(vneg) 

# MATCH WORDS WITH FACEBOOK COMMENTS: 
pos_match <- str_c(vpos, collapse = "|") 
neg_match <- str_c(vneg, collapse = "|") 
dat$positive <- as.numeric(str_detect(dat$Comment, pos_match)) 
dat$negative <- as.numeric(str_detect(dat$Comment, neg_match))

编辑：

我已经接收到另一个错误信息是：

> dat$negative <- as.numeric(str_detect(dat$Comment, neg_match)) 
Error: invalid regular expression 'faced|faces|abnormal|abolish|abominable|abominably|abominate|abomination|abort|aborted|

编辑2：

数据用于再现错误：

dat = c("Hey guys I am Aliza Lomez...18 y.o. I need your likes please like my page and find love quotes, beauty tips and much more.Please like my page you will never regret thank u all\u0083 <3 <3 <3...", 
     "Alexandra Saturn", "And that's what makes a Subaru a Subaru", "Missouri in a battleground....; meanwhile in southern California....", "What the Frisbee", "very cool !!!!", "Get a life", 
     "Try that with my GT!!!", "Did he make any money?", "Wo! WO! BSMITH THROWING DISCS WITH SUBARUS?!?! THIS IS SO AWESOME! SHOULD OF USED AN STI THO")

来源

2014-10-06 ATMA

你正在创建〜6000'OR'运算符匹配 - “|”吗？ 'pos_match < - str_c（vpos，collapse =“|”）' – zx8754 2014-10-06 14:01:40

我没有回答你的问题，因为它不可重现，但你可能想看看['polarity'函数]（http：///trinker.github.io/qdap_dev/polarity.html）放在'qdap'包中。你可能正在重新发明已经完成的事情。 – 2014-10-06 14:03:05

'tm'包还有一个'tm.plugin.sentiment' [plugin/package]（https://r-forge.r-project.org/R/?group_id=1048），应该会好一点比建立巨大的正则表达式。 – hrbrmstr 2014-10-06 14:05:27

我不知道他整个解决方案，但我可以让你开始。我做了这个社区wiki，希望有人可以填写空格...

对于无效的正则表达式，要创建一个OR，您需要将所有内容都括在括号内。例如，如果您想匹配单词“a”，“an”或“the”，则可以使用正则表达式字符串(a|an|the)。如果我有一个单词列表，我想匹配的或正则表达式，这里就是我通常使用：

mywords <- c("a", "an", "the") 
mystring <- paste0("(", paste(mywords, collapse="|"), ")") 

> mystring 
[1] "(a|an|the)"

这应该摆脱你的正则表达式无效的错误，因为你的字符串开头不是一个开放的圆括号，并以管道而不是结束圆括号结束。

来源

2014-10-06 14:29:07

正则表达式错误信息 - “内存不足”

回答

相关问题