为什么我的停用词不会删除 R 数据框中的“？&”？ [复制]

Question

我在数据框中有一列，old_df。

示例行如下所示：

data
trying URL 'https://maps.googleapis.com/maps/api/streetview?&location=13.5146367326733,100.380686367492&size=8000x5333&heading=0&fov=90&pitch=0&key='Content type 'image/jpeg' length 59782 bytes (58 KB)
downloaded 58 KB

使用stopwords，我删除了我不想要的词，并留下：

data
?&13.5146367326733,100.380686367492
?&13.5162026732673,100.66581378616

stopwords = c('trying',
          'URL', 
          "'",
          '&',
          'location=',
          'https://maps.googleapis.com/maps/api/streetview',
          'size=8000x5333',
          'heading',
          '=0&fov=90&pitch=0&key=',
          'Content', 
          'type',
          'image/jpeg',
          'length', 
          'bytes',
          'KB')

require('tm')
new_df <- as.data.frame(removeWords(old_df$data, stopwords))

但是，?& 仍保留在数字之前的 data 列中（我不想要）。我尝试在stopwords 中包含?、& 和?&，但它们仍然存在。任何想法如何删除它们？

确实，当我在stopwords 中包含上述组合时，我得到了错误：

PCRE pattern compilation error 'quantifier does not follow a repeatable item' at '?|&|')\b'

Answer 1

使用gsub()。停用词只删除被空格包围的“单词”。

Base R解决方案：

gsub("^\\?&", "", old_df$data)

stringr解决方案：

library(stringr)
stringr::str_remove(old_df$data, "^\\?&")