R 从文本中删除地理位置

是否有任何可能的方法可以在没有列表的情况下从文本中删除

国家

名称和

城市

示例数据：

data.frame(text = c("I love to travel to London"), stringAsFactors = FALSE)

---

我的建议是使用如下列表：

library(maps)
head(world.cities)

这是一个快速的尝试，以完成你所寻找的

df <- data.frame(text = c("I love to travel to London",
                          "Germany was a fun country to visit."), stringAsFactors = FALSE)

replace_cities_countries <- function(string, replacement) {
  library(maps)
  data(world.cities)
  patterns <- unique(c(world.cities$name, world.cities$country.etc))
  for (i in seq_along(patterns))
    string <- gsub(patterns[i], replacement, string, perl=TRUE)
  string
}

sapply(df$text, replace_cities_countries, replacement='HOORAY!')

---

df如果没有查找列表，我想不出一种100%准确的方法。下面是列表的一种混乱方法：如果您的数据格式正确，例如London的大写字母为“L”，您可以获取所有此类事件，并将其与反向地理定位API或地址验证API进行比较，以查看是否得到结果。只要你得到一个非空的结果，它就是一个城市/国家，你可以从你的文本中删除它。例如，“伦敦”可能会返回多个结果-伦敦安大略省、伦敦英国等。尽管有些API（如谷歌）会试图找到与它认为你所要求的“最接近的匹配项”，但要小心，这显然不起作用。如果你不想硬编码，列表肯定会容易得多，您可以从在线源代码中获取它—以编程方式进行，以便每次脚本运行时，它都能获得最新的数据。
df <- data.frame(text = c("I love to travel to London",
                          "Germany was a fun country to visit."), stringAsFactors = FALSE)

replace_cities_countries <- function(string, replacement) {
  library(maps)
  data(world.cities)
  patterns <- unique(c(world.cities$name, world.cities$country.etc))
  for (i in seq_along(patterns))
    string <- gsub(patterns[i], replacement, string, perl=TRUE)
  string
}

sapply(df$text, replace_cities_countries, replacement='HOORAY!')