使用 tm 包删除 R 中的表情符号

Question

我正在使用 tm 包清理 Twitter 语料库。但是，该软件包无法清理表情符号。

这是一个复制代码：

July4th_clean <- tm_map(July4th_clean, content_transformer(tolower))
Error in FUN(content(x), ...) : invalid input 'RT ElleJohnson Love of country is encircling the globes ������������������ july4thweekend July4th FourthOfJuly IndependenceDay NotAvailableOnIn' in 'utf8towcs'

有人可以指出我使用 tm 包删除表情符号的正确方向吗？

谢谢，

路易斯

Answer 1

你可以试试这个功能

iconv(July4th_clean, "latin1", "ASCII", sub="")

重复问题，see post

Answer 2

您可以使用 gsub 删除所有非 ASCII 字符。

Texts = c("Let the stormy clouds chase, everyone from the place ☁  ♪ ♬",
    "See you soon brother ☮ ",
    "A boring old-fashioned message" ) 

gsub("[^\x01-\x7F]", "", Texts)
[1] "Let the stormy clouds chase, everyone from the place    "
[2] "See you soon brother  "                                  
[3] "A boring old-fashioned message"

详情： 您可以在带有 [ ] 的正则表达式中指定字符 classes。当 class 描述以 ^ 开头时，它表示所有除了这些字符。在这里，我指定了除字符 1-127 之外的所有内容，即除了标准 ASCII 之外的所有内容，并且我指定了它们应该被替换为空字符串。

使用 tm 包删除 R 中的表情符号

remove emoticons in R using tm package

r

sentiment-analysis

tm

emoticons