R文本挖掘问题

Question

我对编程完全是个新手，我现在正在做我已经开始学习R的ResMA。

我现在必须做一些非常非常简单的事情，但在某些时候我似乎失败了。我只需要计算一个txt文件中的字素(字母)，不需要其他任何东西。我首先用TM创建了一个语料库，我正在清理它和所有的东西，但当我试图运行每个字素的频率分析时，文本实际上没有清除标点符号和奇怪的符号等。

我使用的代码是这样的：

library("tm")
library("SnowballC")
library("wordcloud")
library("RColorBrewer")
filePath <- choose.files()
text <- readLines(filePath)
docs <- Corpus(VectorSource(text))
toSpace <- content_transformer(function (x , pattern ) gsub(pattern, " ", x))
docs <- tm_map(docs, toSpace, "/")
docs <- tm_map(docs, toSpace, "@")
docs <- tm_map(docs, toSpace, "\\|")
docs <- tm_map(docs, content_transformer(tolower))
docs <- tm_map(docs, removeNumbers)
docs <- tm_map(docs, removePunctuation)
docs <- tm_map(docs, stripWhitespace)
docs <- tm_map(docs, stemDocument)
print (docs)

x=strsplit(text, "")

newlist = unlist(x,recursive=F)
freqtab = table(newlist)

print (freqtab)

很明显，这里的docs和下面的x是完全不同的，但是当我试着做相反的事情时，它仍然不起作用。

我只需要这样做:我要去上学了！->我要去学校了-> i- 2a-1m-1 ....

我不知道我的问题是从哪里来的，我将感谢你的帮助！

Answer 1

问题是，您没有使用所有操作修改text；您是在docs上工作。

使用text中的简单示例运行您的代码，

text <- "I am going to school!"
docs <- Corpus(VectorSource(text))
toSpace <- content_transformer(function (x , pattern ) gsub(pattern, " ", x))
docs <- tm_map(docs, toSpace, "/")
docs <- tm_map(docs, toSpace, "@")
docs <- tm_map(docs, toSpace, "\\|")
docs <- tm_map(docs, content_transformer(tolower))
docs <- tm_map(docs, removeNumbers)
docs <- tm_map(docs, removePunctuation)
docs <- tm_map(docs, stripWhitespace)
docs <- tm_map(docs, stemDocument)

然后打印docs的内容，您所做的所有修改都会生效

print(unlist(docs)[1])
    content.content 
"i am go to school" 

尽管请注意，由于词干分析器，"go“被转换为”go“。

然后，您可以像在原始代码中一样计算字符数，

x=strsplit(as.character(unlist(docs)[1]), "")
freqtab = table(x[[1]])
print(freqtab)

  a c g h i l m o s t 
4 1 1 1 1 1 1 1 4 1 1

希望能有所帮助。