[問題] data frame轉corpus前過濾非英文字詞

作者: blackyu (??)   2016-03-19 10:31:46
[問題類型]: 程式諮詢
[軟體熟悉度]: 入門
[問題敘述]:
大家好,我現在處理data frame時遇到一個問題
我從資料庫取出資料後存為data frame的形式
但裡面內容語言部份是簡體中文、日文等,例如
text
1 今天天氣很好...
2 It's good但是...
我現在需要把非英文的字詞在轉入corpus前先行過濾掉
之前有去stackoverflow找相關的解決辦法
目前有找到一篇 http://goo.gl/arqKWi
但是我不太熟如何將data frame先拆解後再過濾
請問有什麼方法可以協助我解決這個問題呢?
謝謝各位!
[環境敘述]: R ver 3.2.3;套件:RMySQL & tm
作者: Wush978 (拒看低質媒體)   2016-03-19 12:16:00
你可以先用strsplit把字一個個切出來,然後要求他們只能是a-z, A-Z, 0-9 以及其他你覺得要放的文字或是用jieba斷詞後,把那些非英文的詞通通扔掉你可以試試看jiebaR套件
作者: blackyu (??)   2016-03-19 14:29:00
謝謝~

Links booklink

Contact Us: admin [ a t ] ucptt.com