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