在R中删除带撇号的词组，用于词云

Question

感谢这个社区的帮助，我已经能够从电影脚本中创建一些词语云，并且它变得越来越简单和容易。有人要求我做电影潘，所以我找到了剧本，我走了。

问题是有几个词出现，我编码删除。它们看起来像'il'，'ve''等等。注意前面的撇号。

这里是我的代码：

text = readLines("C:/Users/MyName/Downloads/Pan.txt",encoding="UTF-8") 

content2 = Corpus(VectorSource(text)) 
content2 = tm_map(content2, removeNumbers) 
content2 = tm_map(content2, tolower) 
content2 = tm_map(content2, removeWords, c("'il","'re","cont'd")) 
content2 = tm_map(content2, removeWords, stopwords('english')) 
content2 = tm_map(content2, removePunctuation) 
content2 = tm_map(content2,PlainTextDocument) 
wordcloud(content2, min.freq = 10, colors = RColorBrewer::brewer.pal(6,"Spectral"),max.words=150) 

我试图寻找在记事本“金正日++，没有运气和R的removeWords功能似乎并没有被任何照顾它。我知道撇号和其他特殊字符有时可能需要特殊的方法，但我被困在这里。有任何想法吗？

这里是如果有兴趣的脚本源：http://pastebin.com/JiK3pF5f

谢谢！这里是云这个词目前的样子。如果您也有任何造型评论，我全都耳熟能详。

Answer 1

这是否对你的工作？我刚刚添加了删除空格，并没有看到例如'il

library(tm) 
library(wordcloud) 
text = readLines("~/Downloads/JiK3pF5f.txt", warn = F) 
content2 = Corpus(VectorSource(text)) 
content2 = tm_map(content2, removeNumbers) 
content2 = tm_map(content2, tolower) 
content2 = tm_map(content2, removeWords, stopwords('english')) 
content2 = tm_map(content2, removePunctuation) 
content2 = tm_map(content2, trimws) 
content2 = tm_map(content2, PlainTextDocument) 

wordcloud(content2, min.freq = 10, colors = RColorBrewer::brewer.pal(6,"Spectral"),max.words=150) 

结果：

Answer 2

你试过GSUB替换这些字符？例如：

library(tm) 
library(wordcloud) 
text = readLines("~/Downloads/JiK3pF5f.txt", warn = F) 

text=gsub("'re", '', text) 

content2 = Corpus(VectorSource(text)) 
content2 = tm_map(content2, removeNumbers) 
content2 = tm_map(content2, tolower) 
content2 = tm_map(content2, removeWords, stopwords('english')) 
content2 = tm_map(content2, removePunctuation) 
content2 = tm_map(content2, trimws) 
content2 = tm_map(content2, PlainTextDocument) 

wordcloud(content2, min.freq = 10, colors = RColorBrewer::brewer.pal(6,"Spectral"),max.words=150) 

你也可以尝试Quanteda：https://cran.r-project.org/web/packages/quanteda/vignettes/quickstart.html

它还具有比TM