如何通过解析文档ID

设定笔者在语料库中每个文档我有一个TM语料库对象是这样的：如何通过解析文档ID

> summary(corp.eng) 
A corpus with 154 text documents 

The metadata consists of 2 tag-value pairs and a data frame 
Available tags are: 
    create_date creator 
Available variables in the data frame are: 
    MetaID

在语料库每个文件的元数据中查找此：

> meta(corp.eng[[1]]) 
Available meta data pairs are: 
    Author  : 
    DateTimeStamp: 2013-04-18 14:37:24 
    Description : 
    Heading  : 
    ID   : Smith-John_e.txt 
    Language  : en_CA 
    Origin  :

我知道我可以在这个时间设置一个文件的作者：

meta(corp.eng[[1]],tag="Author") <- 
    paste(
    rev(
     unlist(
     strsplit(meta(corp.eng[[1]],tag="ID"), c("[-_]")) 
    )[1:2] 
    ), collapse=' ')

，给了我这样的结果：

> meta(corp.eng[[1]],tag="Author") 
[1] "John Smith"

如何对作业进行批处理？

来源

2013-04-18 dnagirl

注意：这仍然可能应该是一个评论，但有一定的工作部分，所以这里去一个例子：

data(crude) 
extracted.values <- meta(crude,tag="Places",type="local") 
for (i in seq_along(extracted.values)) { 
    meta(crude[[i]],tag="Places") <- substr(extracted.values[[i]],1,3) 
}

每个人都应该能够使用lapply以及做到这一点，但我不熟悉tm的内部工作，我会坚持循环。将substr函数替换为您需要的函数，当然也可以使用左侧的数据。希望这可以帮助。

来源

2013-04-18 18:11:31

meta {tm} description http://www.inside-r.org/packages/cran/tm/docs/meta。 'tm'有一个被称为“原油”的数据集。尽管我对ID的特定解析不适用，但如果要将其用于测试，则应用任何函数都可以。 – dnagirl

'lapply'返回一个列表。我需要编辑语料库。 – dnagirl

如何通过解析文档ID

回答

相关问题