如何找到复合词，删除它们之间的空格并在我的语料库中替换它们？

Question

我有很多复合术语，比如你好世界，早安，晚安......我想在我的语料库中找到它们，然后将它们替换为helloWorld，goodMorning，goodNight。所以通过这种方式我可以保留他们的概念。 我可以一个接一个地做，但由于有许多复合术语，它非常繁琐。我需要用R语言来做这件事。

Answer 1

如果所有复合词仅由空格分隔，则可以使用gsub：

> x = c("hello World", "good Morning", "good Night")
> y = gsub(pattern = " ", replacement = "", x = x)
> print(y)
[1] "helloWorld"  "goodMorning" "goodNight"  

您始终可以向pattern参数添加更多模式。详细了解R here和here中的正则表达式。

修改

  

@ user4241750：是的，但我只想对特定化合物这样做   术语（有很多）并非所有语料库中的术语   语料库中的许多其他术语

如果您知道要更改的所有特定复合词，则可以在docs[[j]]上指定。假设你想要改变的唯一条款是＆＃34;简单的部分＆＃34;和＃34;早上好＆＃34;：

terms.to.change = c("simple parts","good morning")
for (j in seq(corpus)) {
  positions.to.change = which(docs[[j]] %in% terms.to.change)
  docs[[j]][positions.to.change] <- gsub(" ", "", docs[[j]][positions.to.change])
}