如何删除 R 中不在大写字母中的单词？

Question

我正在使用 R 进行文本分析。有没有办法使用 tm 或 stringi 删除所有不在大写字母中的单词？

如果我有这样的东西

Albert Einstein went to the store and saw his friend Nikola Tesla ... + 200 pags

转换成

Albert Einstein Nikola Tesla

此致

Answer 1

只需使用 grep 和一个正则表达式：

words <- 'Albert Einstein went to the store and saw his friend Nikola Tesla'

# split to vector of individual words
vec <- unlist(strsplit(words, ' '))
# just the capitalized ones
caps <- grep('^[A-Z]', vec, value = T)
# assemble back to a single string, if you want
paste(caps, collapse=' ')

Answer 2

您可以使用简单的正则表达式删除这些词

gsub("\b[a-z]+\s+", "", x)
# [1] "Albert Einstein Nikola Tesla"

这只是在寻找单词边界>小写字母>它后面的所有字母>它后面的所有空格并删除它

虽然在某些情况下您有诸如 don't 之类的词，但您需要稍微复杂一点的正则表达式。像

x <- "if Albert Einstein didn't see his friend Nikola Tesla leavin'"
gsub("\b[a-z][^ ]*(\s+)?", "", x)
# [1] "Albert Einstein Nikola Tesla "

如何删除 R 中不在大写字母中的单词？

How to remove words not in caps in R?

r

tm

stringi