删除标点符号，数字和空白不起作用

Question

我正在尝试从语料库中删除标点符号，数字和空白。

我的代码是：

# Create a corpus
bd_corpus =  Corpus(VectorSource(bd_text))

# Clean the corpus by removing puncuation, numbers, and white spaces
bd_clean <- tm_map(bd_corpus,removePunctuation)
bd_clean <- tm_map(bd_corpus,removeNumbers)
bd_clean <- tm_map(bd_corpus,removeStripwhitespace)

wordcloud(bd_clean)

#modify your word cloud
wordcloud(bd_clean, random.order = F, max.words = 25, scale = c(7, 0.5))

它输出一个词云，但是词云中有冒号，反斜杠，句点等，例如“ here”，“ hey”和“ people”。

此外，这是控制台输出：

# Clean the corpus by removing puncuation, numbers, and white spaces
> bd_clean <- tm_map(bd_corpus,removePunctuation)

Warning message:
In tm_map.SimpleCorpus(bd_corpus, removePunctuation) :
  transformation drops documents
> bd_clean <- tm_map(bd_corpus,removeNumbers)

Warning message:
In tm_map.SimpleCorpus(bd_corpus, removeNumbers) :
  transformation drops documents
> bd_clean <- tm_map(bd_corpus,removeStripwhitespace)

Error in tm_map.SimpleCorpus(bd_corpus, removeStripwhitespace) : 
  object 'removeStripwhitespace' not found

Answer 1

来自@Gregor，上方有注释：

假设我有x <-1。然后运行以下命令：y <-x + 1，y <-x + 2，y <-x +3。最后，y是什么？ 4是正确的答案-因为当我们运行y <-x + 3时，y之前是什么并不重要。您正在执行相同的操作：bd_clean <-tm_map（bd_corpus，removePunctuation）从bd_corpus中删除标点符号。下一行bd_clean <-tm_map（bd_corpus，removeNumbers）从bd_corpus中删除数字，并覆盖版本而不标点。相反，您需要具有bd_clean <-tm_map（bd_corpus，bd_clean），以基于已经完成的工作。