如何将段落拆分为R语言中的行

  • Z时代
  • 2024-01-10
  • 分类：问答

我是R的初学者，学习基础知识 尝试检索包含某些特定词语的句子 我使用readLines（）读取文件数据并使用grep尝试检索某些特定语句 但检索的数据是包含特定单词完整的段落如何将段落拆分为R语言中的行

x<- readLines(filepath) 
grep("processor",x,value=TRUE,ignore.case=TRUE)

如果我的话是包含处理器“处理器”，然后完整段落检索

输出： 第5代Corei3过程或者8GB内存，2GB图形处理器，1TB硬盘，15.6英寸720p高清防反射显示屏，这款笔记本电脑是该领域的高端产品。来自惠普这样的品牌，可以为您提供在开展业务时可能需要的状态价值和企业服务。

但我只想要单句 即第5代Corei3处理器，8GB内存，2GB图形处理器，1TB硬盘，15.6英寸720p高清抗反射显示屏，这款笔记本电脑是该领域的高端产品。

如何将段落拆分成行。这样我就只能得到包含特定单词的句子，并且grep很好用或不可用

回答：

quanteda包可用于将文本输入标记为句子。一旦文档被分成句子，grep()可用于将包含单词处理器的句子提取到矢量中。我们将使用原始文本文件，将其解释为quanteda中的2个文档，并提取包含单词处理器的句子。

rawText <- "A 5th Gen Core i3 processor, 8GB RAM, 2GB graphics processor, 1TB HDD, 15.6-inch 720p HD antireflective display, this laptop is a premium offering in this segment. Coming from a brand like HP this offers you the status value and corporate services that you might need while conducting business. 
Intel® Celeron® processor N3160. Entry-level quad-core processor for general e-mail, Internet and productivity tasks. 4GB system memory for basic multitasking: Adequate high-bandwidth RAM to smoothly run multiple applications and browser tabs all at once." 
library(quanteda) 
sentences <- tokens(rawText,"sentence") 
unlist(lapply(sentences,function(x){ 
    grep("processor",x,value=TRUE) 
}))

...和输出：

> unlist(lapply(sentences,function(x){ 
+  grep("processor",x,value=TRUE) 
+ })) 
text11 
"A 5th Gen Core i3 processor, 8GB RAM, 2GB graphics processor, 1TB HDD, 15.6-inch 720p HD antireflective display, this laptop is a premium offering in this segment." 
text12 
"Intel® Celeron® processor N3160." 
text13 
"Entry-level quad-core processor for general e-mail, Internet and productivity tasks." 
>

另一种方法是使用stringi::str_detect_fixed()找到字符串。

# stringi::stri_detect_fixed() approach 
library(stringi) 
unlist(lapply(sentences,function(x){ 
     x[stri_detect_fixed(x,"processor")] 
}))

以上是 如何将段落拆分为R语言中的行 的全部内容， 来源链接： utcz.com/qa/265944.html

回到顶部