从R中的文本中提取英文单词

Question

我有一个文本，我需要从中提取所有英文单词。比如我想有这将分析矢量

vector <- c("picture", "carpet", "lamp", "notaword", "anothernotaword") 

而从这个载体，即“图片”，“地毯式”，“灯”

只返回英文单词的功能我不明白，定义“英语单词”取决于字典，但即使使用基本字典，我也会满意。

Answer 1

你可以使用包我保持qdapDictionaries（无需父包要安装qdap）。如果你的数据更复杂，你可能需要使用诸如tolower等工具来使其工作。这里的想法基本上是查看已知单词列表?GradyAugmented与您的单词相交处。这里有两个非常类似的方法，第一是可能稍微快一点取决于数据：

vector <- c("picture", "carpet", "lamp", "notaword", "anothernotaword") 

library(qdapDictionaries) 
vector[vector %in% GradyAugmented] 

## [1] "picture" "carpet" "lamp" 

intersect(vector, GradyAugmented) 

## [1] "picture" "carpet" "lamp" 

您正在使用安装qdap收到错误听起来像@Ben Bolker是正确的。您需要安装data.table的更新版本（我建议最新版本）（使用packageVersion("data.table")来检查此问题）。这是我的一个疏忽，不需要data.table的最小版本，我认为setDT（data.table包中的函数）总是在附近，但它似乎不在您的版本中。但是要解决这个问题，你不需要安装父代qdap包，只需要qdapDictionaries。