时间戳

首页 > 解决方案 > 用 R 中的一个唯一单词替换单词列表

r - 用 R 中的一个唯一单词替换单词列表

问题描述

我正在使用 R 进行文本分析，并拥有一个数据集（文本语料库），其中包含有关不同水果的各种句子。例如：“苹果”、“香蕉”、“橙子”、“梨子”等。

由于某人写的是“苹果”还是“香蕉”与分析无关，我想用一个特定的词替换所有不同的水果，例如“ allfruits ”。

我考虑过使用正则表达式，但我面临两个问题；

1）我想避免每种水果都有单独的代码行。因此，有没有办法定义我可以使用的列表或向量，以便该函数用一个特定的单词“ allfruits ”替换该列表中的所有单词（苹果、香蕉、梨等）？

2) 我想避免那些不是水果但包含与水果相同的字符串的单词（例如单词“appletini”）被函数替换。

示例：如果我有一句话说：“ Apple是我最喜欢的水果，appletini是我最喜欢的饮料。我也喜欢香蕉！ ”我想发生以下情况：allfruits是我最喜欢的水果，appletini 是我最喜欢的饮料。我也喜欢所有水果！

我不确定是否可以使用 gsub 函数来编写它。因此，非常感谢所有帮助。

谢谢！

标签： rregexnlpdata-cleaningtopic-modeling

解决方案

allfruits可以扩展为包含任何要替换的单词：

allfruits = c("apple", "banana" , "orange", "pear")
replacement = "allfruits"
text = "Apple is my favourite fruit, appletini is my favourite drink. I also like bananas!"

gsub(paste0("\\b(", paste0(allfruits, collapse="|"), ")[s]?\\b"), replacement, text, ignore.case = TRUE)

退货

[1] "allfruits is my favourite fruit, appletini is my favourite drink. I also like allfruits!"

正则表达式：

  • \\b- 词界
  • (", paste0(allfruits, collapse="|"), ")- 所有水果名称由|（或）分隔
  • s?- 可选字母's'
  • \\b- 词界
  • ignore.case = TRUE- 忽略大小写

推荐阅读