在R中输入treetagger，其中包含字符串中的文本而不是文件中的文本

Question

我使用R的TreeTagger，通过Korpus包。 调用treetag函数需要我指出文件名， 其中包含要处理的文本。但是，我想提供一个字符串 而不是文件名，因为我对这个字符串做了一些初步的文本处理。 我想这必须通过一个文件，因为它正在包装一个脚本调用。 当我循环遍历10000个文本时，我想避免将文件写入磁盘并浪费时间， 但只是流经记忆。 我可以避免这个吗？感谢。

Answer 1

没有。或者不是真的。如您所料，外部脚本需要一个文件：

阅读文档：

  

连接或字符向量，文件的有效路径，   包含要分析的文本。如果file是连接，则为   内容将被写入临时文件，因为TreeTagger不能   从R连接对象中读取。

因此，必须将其写入文件以供外部TreeTagger二进制文件读取。如果您不这样做，那么treetag功能会为您完成。无论哪种方式，文本都以文件结尾。

如果TreeTagger可以从Unix命名管道或fifo读取，那么您可以动态地将文本流式传输到它。

唯一的另一个选择是查看TreeTagger源是否可以某种方式与R链接，以便您可以直接调用其中一个子例程，并传递一个R对象。我甚至不知道这是用Java还是C ++编写的，但无论如何它都可能是一个很大的工作。

Answer 2

如文件中所示：

  

格式：   “文件”或“obj”，具体取决于您是要扫描文件还是分析给定对象中的文本，如字符向量。如果是后者，它将被写入临时文件（见文件）。

使用这些知识，我们可以简单地将treetag() - 函数与字符向量结合使用：

treetag(as.vector(yourinput), format = "obj"). 

内部R将其转换为文本文件，Treetagger将引用该临时文件并对其进行分析。