从R Markdown中的字数排除部分

Question

我正在用Rmarkdown写一篇论文（通过LaTeX导出为PDF），我需要计算正文中的单词数。对于LaTeX文档，我使用命令行中的texcount，使用tex文档中的以下标记指定要从字数排除的部分：

%TC:ignore 
The part that is to be ignored (e.g., Appendix)
%TC:endignore 

如何在我的Rmd文件中包含LaTeX注释，以避免每次重新生成时在tex文件中手动添加%TC行？

这是我的MWE .Rmd：

---
output:
  pdf_document: 
    keep_tex: yes
---

Words that I want to count. 

<!-- TC:ignore -->
Words that I want to exclude but cannot, 
because the comments do not appear in the `.tex` file. 
<!-- TC:endignore --> 

%TC:ignore 
Other words that I want to exclude but this does not work either 
because `%` is not interpreted as \LaTeX comment. 
%TC:endignore 

#%TC:ignore
Another attempt; it does not work because `#` is for sections, 
not comments. 
#%TC:endignore

一旦我编织.Rmd文件并输出.tex文件，我就输入：

texcount MWE.tex

答案应该是6个字。 谢谢！

更新1：

在Twitter上，@ thesoudi建议使用RStudio加载项（WordCountAddIn）来计算我的Rmd文档中的单词。该加载项位于https://github.com/benmarwick/wordcountaddin。但是，这不是自动化的，并且仍然存在一些指向和点击。

更新2：
另一种解决方案是

• 使用特定表达式来识别LaTeX评论应该是什么，例如： LATEXCOMMENT%TC:ignore文件中的.Rmd，

• 有一个脚本可自动删除生成的LATEXCOMMENT文档中的.tex个表达式（例如sed）

Answer 1

我们实际上只是直接使用.Rmd文件，而不是对输出的LaTex文件进行字数统计。

此代码与您提到的wordcountaddin的方法类似，但标记<!---TC:ignore--->和<!---TC:endignore--->之间的任何文字都不会包含在计数中：

library(stringr)
library(tidyverse)

RmdWords <- function(file) {

  # Creates a string of text
  file_string <- file %>%
    readLines() %>%
    paste0(collapse = " ") %>%
    # Remove YAML header
    str_replace_all("^<--- .*?--- ", "") %>%    
    str_replace_all("^--- .*?--- ", "") %>%
    # Remove code
    str_replace_all("```.*?```", "") %>%
    str_replace_all("`.*?`", "") %>%
    # Remove LaTeX
    str_replace_all("[^\\\\]\\$\\$.*?[^\\\\]\\$\\$", "") %>%
    str_replace_all("[^\\\\]\\$.*?[^\\\\]\\$", "") %>%
    # Deletes text between tags
    str_replace_all("TC:ignore.*?TC:endignore", "") %>%
    str_replace_all("[[:punct:]]", " ") %>%
    str_replace_all("  ", "") %>%
    str_replace_all("<", "") %>%
    str_replace_all(">", "")

  # Save several different results
  word_count <- str_count(file_string, "\\S+")
  char_count <- str_replace_all(string = file_string, " ", "") %>% str_count()

   return(list(num_words = word_count, num_char = char_count, word_list = file_string))
}

该函数返回列表中的三个项目：

• num_words ：文件中的字数
• num_char ：字符数
• word_list ：文档中所有字词的列表

如果要在编译的报告中显示结果，可以按如下方式内联编写r代码：

```{r}
words <- RmdWords("MWE.Rmd")
```
 There are seven words with 34 characters.

<!-- TC:ignore -->
Words that I want to exclude but cannot, 
because the comments do not appear in the `.tex` file. 
<!-- TC:endignore --> 

<!-- TC:ignore -->
Word Count: `r words$num_words` \newline
Character Count: `r words$num_char`
<!-- TC:endignore --> 

  

注意：部分原始脚本改编自http://www.questionflow.org/2017/10/13/how-to-scrape-pdf-and-rmd-to-get-inspiration/