Question

我有一个文字，我需要从中提取所有英文单词。例如，我想要一个分析矢量

的函数

vector <- c("picture", "carpet", "lamp", "notaword", "anothernotaword")

只返回此矢量中的英文单词，即＆＃34;图片＆＃34;，＆＃34;地毯＆＃34;，＆＃34;灯＆＃34;

我明白＆＃34;英文单词＆＃34;的定义取决于字典，但即使使用基本字典，我也会满意。

Answer 1

您可以使用我维护的软件包 qdapDictionaries （不需要安装父包 qdap ）。如果您的数据更复杂，则可能需要使用tolower等工具才能使其正常工作。这里的想法基本上是查看已知单词列表?GradyAugmented与您的单词相交的位置。以下是两种非常相似的方法，第一种方法可能会稍微快一些，具体取决于数据：

vector <- c("picture", "carpet", "lamp", "notaword", "anothernotaword")

library(qdapDictionaries)
vector[vector %in% GradyAugmented]

## [1] "picture" "carpet"  "lamp"

intersect(vector, GradyAugmented)

## [1] "picture" "carpet"  "lamp"

安装 qdap 时收到的错误听起来像@Ben Bolker是正确的。您需要安装data.table的更新版本（我建议使用最新版本）（使用packageVersion("data.table")进行检查）。这是我的疏忽，不需要最小版本的 data.table ，我认为setDT（ data.table 包中的一个函数）是总是在周围，但它似乎不在你的版本。但要解决此特定问题，您无需安装父 qdap 包，只需 qdapDictionaries 。

从R中的文本中提取英语单词

1 个答案: