從R中的文本中提取英文單詞

Question

我有一個文本，我需要從中提取所有英文單詞。比如我想有這將分析矢量

vector <- c("picture", "carpet", "lamp", "notaword", "anothernotaword") 

而從這個載體，即「圖片」，「地毯式」，「燈」

只返回英文單詞的功能我不明白，定義「英語單詞」取決於字典，但即使使用基本字典，我也會滿意。

Answer 1

你可以使用包我保持qdapDictionaries（無需父包要安裝qdap）。如果你的數據更復雜，你可能需要使用諸如tolower等工具來使其工作。這裏的想法基本上是查看已知單詞列表?GradyAugmented與您的單詞相交處。這裏有兩個非常類似的方法，第一是可能稍微快一點取決於數據：

vector <- c("picture", "carpet", "lamp", "notaword", "anothernotaword") 

library(qdapDictionaries) 
vector[vector %in% GradyAugmented] 

## [1] "picture" "carpet" "lamp" 

intersect(vector, GradyAugmented) 

## [1] "picture" "carpet" "lamp" 

您正在使用安裝qdap收到錯誤聽起來像@Ben Bolker是正確的。您需要安裝data.table的更新版本（我建議最新版本）（使用packageVersion("data.table")來檢查此問題）。這是我的一個疏忽，不需要data.table的最小版本，我認爲setDT（data.table包中的函數）總是在附近，但它似乎不在您的版本中。但是要解決這個問題，你不需要安裝父代qdap包，只需要qdapDictionaries。