用R中的一个唯一单词替换单词列表

Question

我正在使用R进行文本分析，并且拥有一个数据集（文本语料库），该数据集包含有关不同水果的各种句子。例如：“ 苹果”，“ 香蕉”，“ 橙色”，“ 梨”，等等

由于分析与某人写的是“苹果”还是“香蕉”无关，所以我想用一个特定的单词替换所有不同的水果，例如“ allfruits”。]]

我曾考虑过使用正则表达式，但面临两个问题；

1）我想避免每种水果使用单独的代码行。因此，有一种方法可以定义我可以使用的列表或向量，以便该函数用一个特定的单词“ allfruits]替换该列表（苹果，香蕉，梨等）中的所有单词

。 >”？

2）我想避免NOT水果但包含与水果相同的字符串的单词（例如单词“ appletini”）被该函数替换。

示例：如果我有一句话说：“ Apple

是我最喜欢的水果，appletini是我最喜欢的饮料。我也喜欢bananas>”！”我想发生以下情况：allfruits是我最喜欢的水果，appletini是我最喜欢的饮料。我也喜欢allfruits！

我不确定是否可以使用gsub函数编写此代码。因此，非常感谢所有帮助。

谢谢！

我正在使用R进行文本分析，并且拥有一个数据集（文本语料库），该数据集包含有关不同水果的各种句子。例如：“苹果”，“香蕉”，“橙色”，“梨”等。因为它不是...

str <- "Apple is my favourite fruit, appletini is my favourite drink. I also like bananas!"
gsub("(\\bapple\\b)|(\\bbananas\\b)", "allfruits", str, ignore.case = T)

• \\b的意思是boundary，即单词的结尾（标点，空格，...之后没有任何内容）

|表示OR

()定义一个group

allfruits可以扩展为包含要替换的任何单词：

allfruits = c("apple", "banana" , "orange", "pear")
replacement = "allfruits"
text = "Apple is my favourite fruit, appletini is my favourite drink. I also like bananas!"

gsub(paste0("\\b(", paste0(allfruits, collapse="|"), ")[s]?\\b"), replacement, text, ignore.case = TRUE)

返回

[1] "allfruits is my favourite fruit, appletini is my favourite drink. I also like allfruits!"
正则表达式：

• \\b-字边界
• [(", paste0(allfruits, collapse="|"), ")-所有水果名称以|（或）]分隔>
• s?-可选字母's'
• \\b-字边界
• ignore.case = TRUE-忽略cas

Answer 1

str <- "Apple is my favourite fruit, appletini is my favourite drink. I also like bananas!"
gsub("(\\bapple\\b)|(\\bbananas\\b)", "allfruits", str, ignore.case = T)

Answer 2

allfruits可以扩展为包含要替换的任何单词：

allfruits = c("apple", "banana" , "orange", "pear")
replacement = "allfruits"
text = "Apple is my favourite fruit, appletini is my favourite drink. I also like bananas!"

gsub(paste0("\\b(", paste0(allfruits, collapse="|"), ")[s]?\\b"), replacement, text, ignore.case = TRUE)