在R中的tm_map（testfile，removeNumbers）中使用Filter？

Question

我使用tm_map（testfile，removeNumbers）來刪除文本文件的編號。 但是，我需要保留與ipv4和ipv6等詞一起出現的數字。 如何使用removeNumbers函數刪除其他數字，但保留ipv4和ipv6附帶的數字。

這是我使用的代碼：

test.txt = "this is a test file with numbers 1,2 and 3.
              The internet protocals ipv4 and ipv6"

library(tm)

test <- Corpus(DirSource('C:test'), readerControl = list(reader = readPlain))
test <- tm_map(test, removeNumbers)

inspect(test[1])

輸出：

$test.txt

this is a test file with numbers , and . The internet protocals ipv and ipv

Answer 1

removeNumbers將刪除任何數字。 你可以得到這樣的代碼：

getS3method("removeNumbers","PlainTextDocument")
function (x) 
gsub("[[:digit:]]+", "", x)

您應該創建一個新函數，刪除“單獨”數字或空格后的數字。

remove_alone_nbr <- 
function (x) 
  gsub('\\s*(?<!\\B|-)\\d+(?!\\B|-)\\s*', "", x,perl=TRUE)

然后，如果你測試它：

inspect(tm_map(Corpus(VectorSource(test.txt)), remove_alone_nbr))

你得到 ：

this is a test file with numbers,and.
              The internet protocals ipv4 and ipv6