读取文本文件的编号顺序为从目录中的语料库R

Question

docs <- Corpus(DirSource(cname)) 

我有一个目录由cname其中有文本文件（1.txt，2.txt，.... 10.txt，11.txt， ..），我想按照编号顺序创建语料库（如1,2,3，...，10,11 ..），但语料库的词典顺序为1,10,11，... 19,2所以我怎样才能确保语料库按照我要求的顺序读取目录中的文件。

谢谢，

Answer 1

这里有一些尝试。

# simulate your file structure - you have this already 
txt <- c("This is some text.", "This is some more text.","This is additional text.","Yet more additional text.") 
num <- c(1,2,10,20) 
td <- tempdir()  # temporary directory 
# creates 4 files in temp dir: 1.txt, 2.txt, 10.txt, and 20.txt 
mapply(function(x,y) writeLines(x,paste0(td,"/",y,".txt")),txt,num) 

# you start here... 
library(tm) 
src <- DirSource(directory=td, pattern=".txt") 
names(Corpus(src)) 
# [1] "1.txt" "10.txt" "2.txt" "20.txt" 
src$filelist <- src$filelist[order(as.integer(gsub("^.*/([0-9]+)\\.txt$","\\1",src$filelist)))] 
names(Corpus(src)) 
# [1] "1.txt" "2.txt" "10.txt" "20.txt" 

# clean up: just for this example 
unlink(paste(td,"*.*",sep="/")) # remove sample files... 

所以DirSource(...)返回DirSource类，其具有元件$filelist的对象。这是一个文件名称的矢量（按您不想要的顺序）。上面的代码（应该）提取".txt"之前的文件编号，将其转换为整数，并根据整数值排序filesource。