Question

我正在R中使用RStudio，并且正在运行以下代码来对一组非结构化文本执行情感分析。由于一堆文本包含一些无效字符（由于使用了表情符号和其他拼写错误所致），因此我想在进行分析之前将其删除。

我的R代码（摘录）如下：

setwd("E:/sentiment")

doc1=read.csv("book1.csv", stringsAsFactors = FALSE, header = TRUE)

# replace specific characters in doc1
  doc1<-gsub("[^\x01-\x7F]", "", doc1)

library(tm)

#Build Corpus
corpus<- iconv(doc1$Review.Text, to = 'utf-8')
corpus<- Corpus(VectorSource(corpus))

到达代码行corpus<- iconv(doc1$Review.Text, to = 'utf-8')时，出现以下错误消息：

Error in doc1$Review.Text : $ operator is invalid for atomic vectors

我查看了以下StackOverflow个问题：

remove emoticons in R using tm package

Replace specific characters within strings

在运行tm软件包之前，我还尝试了以下操作来清理我的文本，但出现相同的错误：doc1<-iconv(doc1, "latin1", "ASCII", sub="")

我该如何解决这个问题？

Answer 1

有

doc1<-gsub("[^\x01-\x7F]", "", doc1)

您覆盖了对象doc1，由此它不是数据帧而是字符向量；看到：

doc1 <- gsub("[^\x01-\x7F]", "", iris)
str(doc1)

现在清除

doc1$Species

产生错误。
最终您想做：

doc1$Review.Text <- gsub("[^\x01-\x7F]", "", doc1$Review.Text)

我该如何解决与原子向量有关的R错误消息？

1 个答案: