R文本挖掘从文本中过滤字符串答案

【问题标题】：R text mining filtering string from textR文本挖掘从文本中过滤字符串
【发布时间】：2015-09-19 17:06:16
【问题描述】：

我想知道是否存在将文本和字符串列表作为输入的现有 R 函数，是否会过滤掉在文本中找到的列表中的匹配字符串？

例如，

x <- "This is a new way of doing things."
mywords <- c("This is", "new", "not", "maybe", "things.")
filtered_words <- Rfunc(x, mywords)

然后filtered_words 将包含“This is”、“new”和“things”。

有这样的功能吗？

【问题讨论】：

【解决方案1】：

我们可以从library(stringr) 使用str_extract_all。输出将是list，可以将unlisted 转换为vector。

library(stringr)
unlist(str_extract_all(x, mywords))
#[1] "This is" "new"     "things."

【讨论】：

【解决方案2】：

filterWords = function(x, mywords){
  splitwords = unlist(strsplit(x, split = " "))
  return(splitwords[splitwords%in%mywords])
}

这是一种方法。但是，这不会找到带有“this is”之类的两个子词的词。但我认为它可能会为您提供有关您所问内容的更多信息。

【讨论】：