在R中删除带有撇号的词组，用于词云

Question

感谢这个社区的帮助，我已经能够从电影脚本中制作一些词云，并且它变得越来越容易。有人要求我做电影潘，所以我找到了剧本然后我去了。

问题是出现了一些我编码删除的单词。它们看起来像'il，'ve，'re等。注意引导撇号。

这是我的代码：

text = readLines("C:/Users/MyName/Downloads/Pan.txt",encoding="UTF-8")

content2 = Corpus(VectorSource(text))
content2 = tm_map(content2, removeNumbers)
content2 = tm_map(content2, tolower)
content2 = tm_map(content2, removeWords, c("'il","'re","cont'd"))
content2 = tm_map(content2, removeWords, stopwords('english'))
content2 = tm_map(content2, removePunctuation)
content2 = tm_map(content2,PlainTextDocument)
wordcloud(content2, min.freq = 10, colors =  RColorBrewer::brewer.pal(6,"Spectral"),max.words=150)

我试过在Notepad ++中搜索'il没有运气，R的removeWords功能似乎也没有处理它。我知道撇号和其他特殊角色有时候需要特殊的方法，但我被困在这里。有什么想法吗？

以下是感兴趣的脚本来源：http://pastebin.com/JiK3pF5f

谢谢！这就是云目前的样子。如果你也有任何造型评论，我会全力以赴。

Answer 1

这对你有用吗？我刚刚添加了空格的删除，并没有看到例如'il

library(tm)
library(wordcloud)
text = readLines("~/Downloads/JiK3pF5f.txt", warn = F)
content2 = Corpus(VectorSource(text))
content2 = tm_map(content2, removeNumbers)
content2 = tm_map(content2, tolower)
content2 = tm_map(content2, removeWords, stopwords('english'))
content2 = tm_map(content2, removePunctuation)
content2 = tm_map(content2, trimws)
content2 = tm_map(content2, PlainTextDocument)

wordcloud(content2, min.freq = 10, colors = RColorBrewer::brewer.pal(6,"Spectral"),max.words=150)

结果：

Answer 2

您是否尝试过gsub来替换这些字符？例如：

library(tm)
library(wordcloud)
text = readLines("~/Downloads/JiK3pF5f.txt", warn = F)

text=gsub("'re", '', text)

content2 = Corpus(VectorSource(text))
content2 = tm_map(content2, removeNumbers)
content2 = tm_map(content2, tolower)
content2 = tm_map(content2, removeWords, stopwords('english'))
content2 = tm_map(content2, removePunctuation)
content2 = tm_map(content2, trimws)
content2 = tm_map(content2, PlainTextDocument)

wordcloud(content2, min.freq = 10, colors = RColorBrewer::brewer.pal(6,"Spectral"),max.words=150)

您也可以尝试使用Quanteda：https://cran.r-project.org/web/packages/quanteda/vignettes/quickstart.html

它的性能也比tm好一点