我无法删除•和一些其他特殊字符，如' - 使用tm_map

我搜索问题并能够在第一组命令中替换。但是，当我适用于我的语料库，它不起作用，仍然出现。语料库有6570个元素，2.3mb，所以它似乎是有效的。我无法删除•和一些其他特殊字符，如' - 使用tm_map

> x <- ". R Tutorial" 
> gsub("•","",x) 
[1] ". R Tutorial" 

> removeSpecialChars <- function(x) gsub("•","",x) 
> corpus2=tm_map(corpus2, removeSpecialChars) 
> print(corpus2[[6299]][1]) 
[1] "• R tutorial • success– october" 
> ##remove special characters

来源

2017-03-22 Etalo

您第一次调用'gsub（）'并没有说明这一点，因为'''从'x'中缺少。但是，除此之外，我测试了它并且工作。我不知道你的实际问题是什么。 –

我的问题是当它只是第一次调用时，gsub功能起作用。但是当我在第二次调用tm_map和语料库时将其应用于我的代码中时，它不能删除• – Etalo

可能是另一种编码问题。 –

这个怎么样的，在胼对象更直接的方式工作的方法吗？

require(quanteda) 
require(magrittr) 

corpus3 <- corpus(c("• R Tutorial", "More of these • characters •", "Tricky •!")) 

# remove the character from the tokenized corpus 
tokens(corpus3) 
## tokens from 3 documents. 
## text1 : 
## [1] "R"  "Tutorial" 
## 
## text2 : 
## [1] "More"  "of"   "these"  "characters" 
## 
## text3 : 
## [1] "Tricky" "!" 
tokens(corpus3) %>% tokens_remove("•") 
## tokens from 3 documents. 
## [1] "R"  "Tutorial" 
## text1 : 
## 
## text2 : 
## [1] "More"  "of"   "these"  "characters" 
## 
## text3 : 
## [1]] "Tricky" "!" 

# remove the character from the corpus itself 
texts(corpus3) <- gsub("•", "", texts(corpus3), fixed = TRUE) 
texts(corpus3) 
##   text1      text2      text3 
## " R Tutorial" "More of these characters "     "Tricky !"

来源

2017-03-22 16:44:35

我无法删除•和一些其他特殊字符，如' - 使用tm_map

回答

相关问题