在R中轉換表情文本

Question

在R中做一些文本挖掘我在25k文檔的區域中有一個語料庫。我目前正在清理我的語料庫，並將其作爲我翻譯成小寫字母的過程的一部分。我的執行：

createCorpus <- function(corpusData){ 
    aCorpus <- Corpus(DataframeSource(corpusData)) 
    ... 
    aCorpus <- tm_map(aCorpus,content_transformer(tolower)) 
} 

但是，對於包含表情符號的任何文檔文本，我收到以下錯誤。請注意，我已刪除實際的文字。

Error in FUN(content(x), ...) : invalid input '...' in 'utf8towcs'

現在，我已經嘗試添加str_replace_all(aCorpus$content,"[^[:graph:]]", " ")之前，把在this answer建議小寫。這產生與上述完全相同的錯誤，就好像它沒有實際做任何事情一樣。

我也曾嘗試tm_map(aCorpus, function(x) iconv(enc2utf8(x), sub = "byte"))的建議here，這將產生錯誤：

Error in enc2utf8(x) : argument is not a character vector

我覺得str_replace_all()是正確的做法，但我一定是做錯了什麼？如何刪除所有表情符號，以便我可以清理我的語料庫？

編輯爲了說明起見，傳遞給函數的參數是單列數據框，其中每行是一個單獨的文檔。

Answer 1

我設法使用來解決這個問題：

tm_map(aCorpus, function(x) iconv(enc2utf8(x$content), sub = "byte")) 

在地方：

tm_map(aCorpus, function(x) iconv(enc2utf8(x), sub = "byte")) 

的問題是，我不得不直接引用語料的內容，而不僅僅是語料庫本身。通過使用x$content作爲參數而非僅僅使用x來實現。