我正在清理大约50k元素（150MB）的文本语料库，主要使用tm的内置函数。这些都很活泼-最多在一分钟内完成。然后，我执行一个自定义清理步骤，用占位符替换专有名称，如下所示：
myCorpus <- tm_map(myCorpus, content_transformer(function(x) gsub(x, pattern = myNames, replacement = "ProperName")))
其中myNames是长字符串（约1000个名称），采用以下格式：
"\\b(name1|name2|name3|name4)\\b"
这需要很长时间（半小时/小时）才能运行-我不明白为什么它要比removeWords慢得多。我指定的方式有明显的问题吗？
我知道other packages have been suggested，并且确实认为我已经找到了一种解决方法，甚至在创建语料库之前就可以使用stringr（或者我想应该是gsub本身）来替换单词，但这似乎很愚蠢...