用空格 pt2 替换所有分号

Question

我正在尝试对包含 2000 多行关键字的列表进行文本分析，但它们的列出方式类似于

“战略；管理风格；组织”

所以当我使用 tm 删除标点符号时，它变成了

“策略管理样式组织”

我认为这会在某种程度上破坏我的常用术语分析。

我试过用

vector<-gsub(';', " ",vector)

但这需要我的矢量数据“2000 年列表”并使其成为一个值，当我检查这个值时，它的描述为“大字符（3 个元素）”，它给了我一个非常长的单词和内容列表装载！任何想法我做错了什么？

我应该在我的向量上还是在我的语料库上使用 gsub？他们只是

vector<-VectorSource(dataset$Keywords)
corpus<-VCorpus(vector)

我尝试过使用

inspect(corpus[[1]])

在我的语料库中使用 gsub 使其成为一个值后，但我收到错误“没有适用于 'inspect' 的方法应用于类“字符”的对象”

Answer 1

您需要将数据拆分为字符串向量，其中一种方法是使用 stringr 包，如下所示；

library(tm)
library(stringr)

vector <- c("Strategy;Management Styles;Organizations")
keywords <- unlist(stringr::str_split(vector, ";"))

vector <- VectorSource(keywords)
corpus <- VCorpus(vector)
inspect(corpus[[1]])

#<<PlainTextDocument>>
#  Metadata:  7
#Content:  chars: 8

#Strategy

Answer 2

也许你可以试试strsplit

X <- c("Global Mindset;Management","Auditor;Accounting;Selection Process","segmantation;banks;franchising")
res <- Map(function(v) unlist(strsplit(v,";")),X)

这样

> res
$`Global Mindset;Management`
[1] "Global Mindset" "Management"    

$`Auditor;Accounting;Selection Process`
[1] "Auditor"           "Accounting"        "Selection Process"

$`segmantation;banks;franchising`
[1] "segmantation" "banks"        "franchising"