Question

我正在尝试在R环境中修改一组大约300个播放，我将其作为.txt文件。理想情况下，我想把它们全部分成大约500个单词。但是，我不确定这个过程。

我从这次尝试开始：

chunk.size <- 500
texts <- list.files(pattern="*.txt")
texts <- paste(readLines(texts), collapse=" ")
texts.lower <- tolower(texts)
texts.lower <- strsplit(words.lower, "\\s+")
texts <- unlist(words.lower)
x <- seq_along(texts)
text.chunks <- split(texts, ceiling(x/chunk.size))

然而，我得到了一个错误：

Error in file(con, "r") : invalid 'description' argument

Answer 1

很少在这里继续。我假设你可以轻松生成一个文件列表（lof），而你并不关心在白色空间边界上打破字符串。

这将返回一个列表，其中每个元素（由文件名引用）包含整个文件。这个元素将是一个字符串向量，每个字符都是blockSize个字符或更少（对于最后一个字符串）。

blockSize <- 500
lof <- list.files(pattern='*.txt')
listOfTextBlocks <- sapply(lof, function(f) {
    txt <- paste(readLines(f), collapse='\n')
    nch <- nchar(txt)
    ind <- seq(1, nch, by=blockSize)
    substring(txt, ind, c(ind[-1]-1, nch))
}, simplify=FALSE)

如果这不符合您的需求，请提供better guidance。

<强> 修改

这将在白色空间边界处破裂。

blockSize <- 500
lof <- list.files(pattern='*.md')
listOfTextBlocks <- sapply(lof, function(f) {
    txt <- scan(f, character(0))
    n <- 1:length(txt)
    split(txt, ceiling(n/blockSize))
}, simplify=FALSE)

这会为您提供列表清单。

R中的块文本文件

1 个答案: