查找包含 R 中单词列表之一的文档

Question

我有两个数据框：msnbc 包含一列名为 text 的新闻抄本，dictionary 包含一列名为 search 的单词。我想要 return 一个包含 msnbc 的所有行的新数据框，其中 text 字段包含 search 列中的一个或多个单词。玩具数据：

msnbc <- data.frame(id=c(1,2,3), text=c("hello world", "goodbye world","hello friends"))
dictionary <- data.frame(search=c("hello","lorem","ipsum","dolor")

新数据集应包含 msnbc 的第一个和第三个元素，因为它们包含 dictionary$search

中的一个单词

我的第一个想法是使用 str_detect，但没有将字符串向量作为模式传递的选项。我的另一个想法是以某种方式使用 filter 但不确定如何实现：

new_msnbc <- msnbc %>%
    filter(dictionary$search %in% text)

但这并不像预期的那样有效。做这个的最好方式是什么？ tidyverse 解决方案的奖励积分。

Answer 1

看来您可以使用 filter 和 grepl:

result <- msnbc %>%
filter(grepl(paste(dictionary$search, collapse="|"), text))

查找包含 R 中单词列表之一的文档

Find documents that include one of a list of words in R

r

text

stringr

tidytext