Question

我有一个数据框，我想使用lapply。我在这里选择了第一列的第一个值：

link <- c(
    "http://www.r-statistics.com/tag/hadley-wickham/",                                                      
    "http://had.co.nz/",                                                                                    
    "http://vita.had.co.nz/articles.html",                                                                  
    "http://blog.revolutionanalytics.com/2010/09/the-r-files-hadley-wickham.html",                          
    "http://www.analyticstory.com/hadley-wickham/"  
)

要应用的功能获取链接的内容并将其存储到语料库中[感谢agstudy]

create.corpus <- function(url.name){
    doc=htmlParse(link)
    parag=xpathSApply(doc,'//p',xmlValue)
    cc=Corpus(VectorSource(parag))
    meta(cc,type='corpus','link')=link
    return(cc)
}

但我无法通过lapply获得该功能：

cc=lapply(link,create.corpus) # does not work
cc=lapply(link,nchar) # works

link=link[1] # try on single element
cc=create.corpus(link) # works

为什么这个功能在lapply中不起作用？

Answer 1

您的功能存在问题。将link的所有实例替换为url.name，它将起作用。

# library(XML); library(tm)

create.corpus <- function(url.name){
  doc=htmlParse(url.name)
  parag=xpathSApply(doc,'//p',xmlValue)
  cc=Corpus(VectorSource(parag))
  meta(cc,type='corpus','link') <- url.name
  return(cc)
}

cc <- lapply(link, create.corpus)

结果：

> cc
[[1]]
A corpus with 48 text documents

[[2]]
A corpus with 2 text documents

[[3]]
A corpus with 41 text documents

[[4]]
A corpus with 25 text documents

[[5]]
A corpus with 39 text documents

tm语料库功能的lapply行为

1 个答案: