tm_map 在条件下合并行答案

【问题标题】：tm_map merging lines on conditiontm_map 在条件下合并行
【发布时间】：2017-04-05 21:16:17
【问题描述】：

我从 pdf 文件中提取了文本并创建了一个语料库对象。

在文本中，我有以“，”或“-”结尾的行，我想在它们后面附加下一行，因为它属于同一个句子。

比如我有

[1566] "this and other southeastern states (Eukerria saltensis,"      
[1567] "Sparganophilus helenae, Sp. tennesseensis). In the"

而我想改为

[1566] "this and other southeastern states (Eukerria saltensis, Sparganophilus helenae, Sp. tennesseensis). In the"

我尝试了替换换行符之类的方法，但没有成功：

tm_map(myCorpus, content_transformer(gsub), pattern =",$\n",replacement = "")

知道如何在 R 中做到这一点吗？

【问题讨论】：

标签： r text-mining tm

【解决方案1】：

这是一种方法，基于您按换行符分割的想法...

txt <- c("aaa","bbc,","df","fgh-","jkh-","dfsf","gghf")

txt2 <- paste0(txt,collapse="\n")
txt2 <- gsub(",\\n",", ",txt2)
txt2 <- gsub("\\-\\n","-",txt2)
txt2 <- unlist(strsplit(txt2,"\\n"))

txt2
[1] "aaa"  "bbc, df"  "fgh-jkh-dfsf"  "gghf"

【讨论】：

【解决方案2】：

谢谢，它确实有效！

不过，我必须将它放入一个函数中以使其与 tm_map 一起使用：

clean.X <- function(X){

  X2 <- paste0(X,collapse="\n")
  X2 <- gsub(",\\n",", ",X2)
  X2 <- gsub("\\-\\n","-",X2)
  X2 <- unlist(strsplit(X2,"\\n"))
  return(X2)

 }

txt2 <- tm_map(txt, content_transformer(clean.X))

【讨论】：