Question

我正在尝试使用名为texto_revision的.txt文件处理tidytext，其结构如下：

# A tibble: 254 x 230
   X1     X2     X3     X4    X5    X6    X7    X8    X9    X10   X11   X12   X13   X14   X15   X16  
   <chr>  <chr>  <chr>  <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr>
 1 la     expro~ de     la    tier~ ocur~ con   frec~ dura~ el    proc~ rapi~ de    la    urba~ en   
 2 como   las    difer~ en    el    moti~ del   cons~ cons~ en    esta~ unid~ y     china afec~ la   
 3 las    desig~ etnic~ en    los   patr~ de    cons~ (pre~ de    vest~ joye~ auto~ han   sido  obje~
 4 este   artic~ exami~ el    impa~ de    vari~ dife~ indi~ en    la    prop~ de    los   cons~ a    
 5 este   artic~ inves~ la    infl~ de    los   regi~ poli~ sobre la    impo~ 
 #   ...

尝试使用unnest_tokens格式时，使用以下代码：

library(tidytext)

texto_revision %>%
    unnest_tokens(word, text)

我收到以下错误：

错误： check_input（x）出错：输入必须是任何长度的字符向量或字符列表向量，每个向量的长度为1.

为了尝试纠正错误并继续提前标记化，我尝试使用以下代码将文本转换为数据框：

text_df <- as.data.frame(texto_revision)

但我仍然收到以下错误

check_input（x）出错：输入必须是任何长度的字符向量或字符列表向量，每个向量的长度为1.

Answer 1

请注意，unnest_tokens的语法为“unnest_tokens（ [新列名] ， [参考列] 。”您的tibble中似乎没有“text”列/ data frame。下面是一个玩具示例来说明：

conda install -c simonflueckiger tesserocr

使用tidytext以txt格式实现标记化

1 个答案: