来自包 `tm` 的 `tm_map` 中的自定义函数

Question

我正在尝试将自定义函数添加到程序包 tm 的 tm_map 函数中，但是它会将数据转换为我无法继续的不同格式。

例如我使用

library(tm)
library(qdapRegex)

docs <- data.frame(doc_id = c("doc_1", "doc_2"),
                   text = c("This is a text. With some more text, www.yahoo.com", "This another one. with some different text www.google.com"),
                   dmeta1 = 1:2, dmeta2 = letters[1:2],
                   stringsAsFactors = FALSE)

docs = VCorpus(DataframeSource(docs))

content(docs[[1]])

docs <- tm_map(docs, content_transformer(tolower)) # This Works fine
content(docs[[1]])

nchar_rm <- function(x){
  gsub(" *\b[[:alpha:]]{1,2}\b *", " ", x)
} # Custom function to remove characters less than 2

docs <- tm_map(docs, nchar_rm) # implement custom function
content(docs[[1]]) # returns an error.

错误：

Error in UseMethod("content", x) : 
  no applicable method for 'content' applied to an object of class "character"

还有函数 docs <- tm_map(docs, rm_url) 使用 qdapRegex 包中的 rm_url returns 一个错误。

Answer 1

同样使用content_transformer

library(tm)

docs <- tm_map(docs, content_transformer(nchar_rm)) 
content(docs[[1]])
#[1] "This  text. With some more text, www.yahoo.com"

它也适用于 rm_url

library(qdapRegex)

docs <- tm_map(docs, content_transformer(rm_url))
content(docs[[1]])
#[1] "This is a text. With some more text,"

但是，您可能知道您可以使用 lapply/sapply/map 等完全不使用 tm 函数来执行此操作

lapply(docs$text, rm_url)
lapply(docs$text, nchar_rm)

来自包 `tm` 的 `tm_map` 中的自定义函数

Custom functions in `tm_map` from the package `tm`

r

tm