在 tm::content_transformer() 的上下文中，我将如何使用 mgsub？

Question

qdap::mgsub 采用以下参数：

mgsub(x, pattern, replacement)

在 library(tm) 语料库转换中，您可以将非 tm 函数包装在 content_transformer() 中，例如

corpus <- tm_map(corpus, content_transformer(tolower))

这是一个带有一些拼写错误的文本的数据框：

df <- data.frame(
  id = 1:2,
  sometext = c("[cad] appls", "bannanas")
)

这是一个自定义查找拼写错误单词的数据框：

spldoc <- data.frame(
  incorrects = c("appls", "bnnanas"),
  corrects = c("apples", "bannanas")
)

在 corpus 和 content_transformer() 的上下文之外使用 mgsub 我可以这样做：

wrongs <- select(spldoc, incorrects)[,1] %>% paste0("\\b",.,"\\b") # prepend and append \\b to create word boundary regex
rights <- select(spldoc, corrects)[,1]
df$sometext <- mgsub(wrongs, rights, df$sometext, fixed = F)

但我看不出如何在函数中编写 mgsub 以传递给 content_transformer() 我的 x 参数在 mgsub(x, pattern, replacement) 中是什么？

Answer 1

这就是我所做的：

# create separate function to pass into tm_map()

spelling_update <- content_transformer(function(x, lut) mgsub(paste0("\\b", lut[, 1], "\\b") , lut[, 2], x, fixed = F))

然后

corpus <- tm_map(corpus, spelling_update(spldoc))