如何删除以R开头的语料库中的单词？

问题描述：

我想在R中的语料库中进行预处理，并且我需要删除以$开头的单词。下面的代码删除$但不是$字，我很困惑。如何删除以R开头的语料库中的单词？

inspect(data.corpus1[1:2]) 
# <<SimpleCorpus>> 
# Metadata: corpus specific: 1, document level (indexed): 0 
# Content: documents: 2 
# 
# [1] $rprx loading mid .60's, think potential. 12m vol fri already 11m today 
# [2] members report success see track record $itek $rprx $nete $cnet $zn $cwbr $inpx 

removePunctWords <- function(x) { 
    gsub(pattern = "\\$", "", x) 
} 
data.corpus1 <- 
    tm_map(data.corpus1, 
     content_transformer(removePunctWords)) 
inspect(data.corpus1[1:2]) 
# <<SimpleCorpus>> 
# Metadata: corpus specific: 1, document level (indexed): 0 
# Content: documents: 2 
# 
# [1] rprx loading mid .60's, think potential. 12m vol fri already 11m today 
# [2] members report success see track record itek rprx nete cnet zn cwbr inpx

我不是最好的正则表达式，但也许是“。”？例如：'gsub（pattern =“\\ $。*”，“”，x）'？ – shea

@shea在第一个$之后会杀死所有的东西。您只需要消除$和立即出现的单词字符。 – G5W

@ G5W感谢您解释。我不知道这个“*”会是那么贪婪。 – shea

答

您的正则表达式只指定$。你需要包括这个词的其余部分。

removePunctWords <- function(x) { 
    gsub(pattern = "\\$\\w*", "", x) 
}

两件事情，1）即使它们不存在于单词的前面，它也会删除所有的“$”。 2）可能需要在正则表达式的前面添加屏障字符以防止在单词的中间匹配美元符号，例如， **账单$ s **或** co $ t **。 OP没有指定这些场景的预期行为，但我认为值得一提 – emilliman5

如何删除以R开头的语料库中的单词？

相关推荐