统计音节

Question

我希望给R中的文本分配一些不同的可读性分数，比如Flesh。

有谁知道用R把单词分割成音节的方法吗？我不一定需要音节段本身，但需要一个计数。

举个例子：

x <- c('dog', 'cat', 'pony', 'cracker', 'shoe', 'Popsicle')

将产生: 1，1，2，2，1，3

每个数字对应单词中的音节数。

Answer 1

这里提供了一些用于NLP的工具：

http://cran.r-project.org/web/views/NaturalLanguageProcessing.html

不过，这项任务不是微不足道的。这里有更多提示(包括你可以实现的算法)：

Detecting syllables in a word

Answer 2

qdap version 1.1.0执行此任务：

library(qdap)
x <- c('dog', 'cat', 'pony', 'cracker', 'shoe', 'Popsicle')
syllable_sum(x)

## [1] 1 1 2 2 1 3

Answer 3

gsk3是正确的:如果你想要一个正确的解决方案，那就是非平凡的。

例如，你必须注意单词末尾的不发音e这样的奇怪东西，或者知道它什么时候不发音，就像在结尾一样。

但是，如果您只想要一个快速近似，下面的代码就可以了：

> nchar( gsub( "[^X]", "", gsub( "[aeiouy]+", "X", tolower( x ))))
[1] 1 1 2 2 1 3

要了解这些部分是如何工作的，只需从外到内剥离函数调用，从nchar开始，然后是gsub，依此类推……...until这个表达式对你来说很有意义。

但我的猜测是，考虑到R的力量与英语中大量异常之间的斗争，你可能会得到一个像样的答案(也许99%是对的？)解析普通文本，不需要很多工作--见鬼，上面的简单解析器可能会得到正确的90%+。如果你愿意的话，只要多做一点工作，你就可以处理静音e了。

这完全取决于你的应用程序--这是足够好还是你需要更准确的东西。