删除文本语料库中的字符

Question

我正在分析电子邮件的语料库。 有些电子邮件包含URL。 当我从tm库应用removePunctuation函数时，我得到httpwww ，然后丢失了网址信息。 我想什么做的，是取代"://"与" "在所有的语料。 我尝试了gsub ，但是后来我的语料库的数据类型发生了变化，因此我无法继续使用tm包对其进行处理。

这是一个例子：

如您所见， gsub将语料库的类更改为字符数组，从而导致tm_map失败。

> corpus
# A corpus with 4257 text documents
> corpus1 <- gsub("http://","http ",corpus)
> class(corpus1)
# [1] "character"
> class(corpus)
# [1] "VCorpus" "Corpus"  "list"   
> cleanSW <- tm_map(corpus1,removeWords, stopwords("english"))
# Error in UseMethod("tm_map", x) : 
# no applicable method for 'tm_map' applied to an object of class "character"
> cleanSW <- tm_map(corpus,removeWords, stopwords("english"))
> cleanSW
# A corpus with 4257 text documents

我该如何绕过？ 也许有一种方法可以将其从字符数组转换回语料库？

Answer 1

在这里找到了解决此问题的方法： 使用tm（）从R中的语料库中删除非英语文本 ，语料库（VectorSource（dat1））为我工作。