无法使用 R 删除 txt 文件中的空行

Question

我正在使用 R 进行文本分析，需要将句子的第一个字母转换为小写，同时保持其他大写单词的原样。所以我使用了命令

     x <- gsub("(\\..*?[A-Z])", '\\L\\1', x, perl=TRUE)

这有效，但部分有效。问题是，对于文本分析，我必须将 pdf 文件转换为 txt 格式，现在 txt 文件包含很多空行（分页符，可能返回），因此我使用的命令不会转换大写字母出现在新行上。我试图在 gsub 中使用多个 \s、\r、\n 的不同组合来消除空行，但没有任何效果。当我执行 tm-package 的 inspect(x) 时，输出如下所示：

[346]                                                                                                                                                                                                                                                  
[347]    Thank you.                                                                                                                                                                                                                                    
[348]                                                                                                                                                                                                                                                  
[349]    Vice President of Investor Relations                                                                                                                                                                                               
[350]   

如果有人可以帮助我，我将不胜感激！

Answer 1

根据您的输出，空行似乎是字符向量中的单独字符串。您需要使用grep 过滤掉那些：

empty_lines = grepl('^\\s*$', x)
x = x[! empty_lines]

然后你可以执行你的后续分析，但你可能仍然需要先连接这些行以获得单个字符串：

x = paste(x, collapse = '\n')

Answer 2

您可以使用^[A-Z] 获取新行，并使用或符号| 分隔两个案例

x <- gsub("(\\..*?[A-Z]|^[A-Z])", '\\L\\1', x, perl=TRUE)

您可以在上述步骤之前或之后删除空行

x <- x[x != ""]