从语料库中删除括号/圆括号中的文本 (R)

Question

我有一个包含许多文档的语料库，其中包含长文本。 我想标记这个语料库以供进一步分析，但是，文本包含括号内的无关数据（通常是引用，例如：“（示例）”），因此我想删除它们。 我已经在 stackoverflow 上找到了文本对象的方法，但是，我不知道如何将其应用于语料库（括号之间的单词将被视为独立的标记并且不会被正则表达式删除？）。 我发现我应该在删除标点符号之前这样做（因为后者也删除了括号）。

你能帮我解决这个问题吗？ 先感谢您！

我只达到了正则表达式：“\\( . \\)”

Answer 1

您可以使用gsub()删除括号中的所有文本。 当您计划在下一步中删除标点符号时，您可以将它们替换为. , 只是为了表明某事发生的位置（如果您需要调试管道），或者您可以将它们替换为空字符串"" 。

你的正则表达式不起作用。 您需要使用双反斜杠对括号进行转义，并且您需要删除多个但尽可能少的字符。 你需要正则表达式*? 对于括号的内容：

corp = c("This is an example (or demonstration) of replacing things in brackets",
         "Just use gsub (a function in base) to remove (or better replace) these elements")

corp = gsub("\\(.*?\\)",".",corp)

上面的例子将导致向量：

> corp
[1] "This is an example . of replacing things in brackets"
[2] "Just use gsub . to remove . these elements"     

根据您用于语料库的包，您可以在将字符向量转换为语料库之前使用字符向量执行此操作，或者您可以使用特定的映射函数（例如tm tm_map() ）将其应用于所有文本。