如何读取quanteda中的文本文件,将每行存储为文档

时间:2018-04-07 10:56:47

标签: r nlp quanteda

我将文本存储在多个文件中 在文件中,每一行都是一个文档(博客文章的文本,推文的文本等) 如果我以doc/examples中显示的默认方式使用readtext包读取,则每个文件的内容将是单个文档,而不是每行是文档。

我的目标是使用quanteda语料库,每行存储为文档 我正在使用readtext,因为它是quanteda的伴随包,但使用readtext并不是一个严格的要求。

我希望避免手动将原始文件拆分为较小的文件,每个文件对应一行。

1 个答案:

答案 0 :(得分:1)

方法1:将readLines()list.files()结合使用:

txt <- character()
for (f in list.files("your-folder")) {
   txt <- c(txt, readLines(f))
}
corp <- corpus(txt)

方法2:您可以使用corpus_segment()分割语料库中的行:

corp <- corpus(readtext("your-folder")) 
corp_line <- corpus_segment(corp, "\n",  extract_pattern = FALSE, pattern_position = "after")