從 R 中的文本中刪除單詞和符號

Question

考慮以下示例。 是否可以從text刪除stopwords ？

library(tm)
text <- c("this is exercise for text mining ≤µm ≥°f ±μgm")
stopwords <- ("≤µm", "≥°f", "±μgm")

Answer 1

你可以像下面這樣嘗試gsub

gsub(paste0(stopwords, collapse = "|"),"",text)

Answer 2

首先，您的示例字符串中有一些錯誤。 text缺少引號並且stopwords缺少括號前的c 。

text <- c("this is exercise for text mining ≤µm ≥°f ±μgm")
stopwords <- c("≤µm", "≥°f", "±μgm")

您可以使用 stringr 從字符串中刪除停用詞中的值，如下所示：

library(stringr)
str_replace_all(text, paste(stopwords, collapse = "|"), "")

Answer 3

由於您要進行文本挖掘，您可能希望將輸入字符串轉換為單詞向量。 如果是這樣，您可以通過子集輕松刪除停用詞。

library(stringr)
text <- c("this is exercise for text mining ≤µm ≥°f ±μgm")
stopwords <- c("≤µm", "≥°f", "±μgm")
text <- unlist(str_split(text, " "))
text[!(sapply(text, function (x) any(str_detect(stopwords, x))))]

如果你的工作讓你把你的話放在 data.frame 或類似的文件中，那么還有另一種方法：

library(dplyr)
library(stringr)
text <- c("this is exercise for text mining ≤µm ≥°f ±μgm")
stopwords <- c("≤µm", "≥°f", "±μgm")
text <- unlist(str_split(text, " "))
data.frame(words = text) %>% anti_join(data.frame(words = stopwords))