R Entfernen Sie ein bestimmtes Wort in einem Txte wie: das

Question

txt <- readLines("this.txt") 

library(tm) 

corpus <- Corpus(VectorSource(txt)) 

corpus <- tm_map (corpus, removePunctuation) 

tdm <- TermDocumentMatrix (corpus) 

m <- as.matrix (tdm) 

d <- data.frame(freq = sort(rowSums(m),decreasing = TRUE)) 

Answer 1

Ich glaube, Sie zu fragen, wie Wörter zu entfernen, wie ‚die‘ und ‚dieser‘ mit der tm Bibliothek? Wenn ja, versuchen Sie dies:

corpus <- tm_map(txt, removeWords, stopwords("english")) 

bestimmte Wörter zu entfernen:

corpus <- tm_map(corpus, removeWords, c("hello","is","it","me","you're","looking","for?")) 

Edit: Ich habe ein Beispiel unter Verwendung von Krieg und Frieden, die funktioniert. Versuchen Sie, Ihre Begriffe in Kleinbuchstaben zu konvertieren vor Erstellen einer Dokument-Term-Matrix. Wie so:

library(tm) 

# load 
txt <- readLines("this.txt") 
corpus <- Corpus(VectorSource(txt)) 

# clean 
corpus <- tm_map(corpus, removePunctuation) 
corpus <- tm_map(corpus, removeNumbers) 
corpus <- tm_map(corpus, tolower) 
corpus <- tm_map(corpus, removeWords, stopwords("english")) 
corpus <- tm_map(corpus, PlainTextDocument) 

# create dtm and get terms 
dtm <- DocumentTermMatrix(corpus) 
dtm$dimnames$Terms 

Ändern Sie den Code der Textdatei und die Ausgabe sollte ähnlich wie diese passen:

dtm$dimnames$Terms 
[1] "almost"   "anonymous"  "anyone"   "anywhere"  "author"   "away"   
[7] "aylmer"   "book"   "chapter"   "contents"  "copy"   "cost"   
[13] "date"   "david"   "ebook"   "english"   "give"   "gutenberg"  
[19] "iii"    "included"  "january"   "language"  "last"   "leo"    
[25] "license"   "louise"   "march"   "maude"   "may"    "one"    
[31] "online"   "peace"   "posting"   "project"   "restrictions" "reuse"   
[37] "start"   "terms"   "title"   "tolstoy"   "tolstoytolstoi" "translators"  
[43] "updated"   "use"    "vii"    "volunteer"  "war"    "whatsoever"  
[49] "widger"   "wwwgutenbergorg" 

Answer 2

Es ist schwer zu sagen, wie Ihre Daten aussehen. Aber Sie können versuchen, gsub zu verwenden, die einfache Funktion zum Ersetzen von Suchen ist.

gsub("The", "", "HelloThe") 

Welche Sie

"Hello" 

Answer 3

gibt

Wissen Sie, was reguläre Ausdrücke? Sie können lesen here über R-Funktion gsub. Hier ist ein kleines Beispiel, wie es funktioniert:

> let <- c("A", "B", "A", "C") # My vector of letters 
> let 
[1] "A" "B" "A" "C" 
> # I want delete "A", so this letter I will replace with nothing ("") 
> l <- gsub("A", "", let) # "A" replace by "" in vector let 
> l 
[1] "" "B" "" "C" 

Alles, was Sie jetzt tun müssen, ist leere Elemente löschen, wenn es welche gibt.

Und wenn Sie nur eine Symbolzeile, dann gsub funktioniert:

> let <- " a b c d g h a a a" 
> let 
[1] " a b c d g h a a a" 
> l <- gsub("a", "", let) 
> l 
[1] " b c d g h "