R 如何将自定义函数应用于quanteda语料库

我正在尝试将一个脚本从使用tm迁移到quanteda。在阅读quanteda文档时，有一种哲学，即在“下游”应用更改，从而使原始语料库保持不变。嗯

我以前写过一个脚本来查找tm语料库中的拼写错误，并得到了我们团队的支持来创建手动查找。所以，我有一个csv文件，有两列，第一列是拼写错误的术语，第二列是该术语的正确版本

以前我使用tm软件包做了以下工作：

# Write a custom function to pass to tm_map
# "Spellingdoc" is the 2 column csv
library(stringr)
library(stringi)
library(tm)
stringi_spelling_update <- content_transformer(function(x, lut = spellingdoc) stri_replace_all_regex(str = x, pattern = paste0("\\b", lut[,1], "\\b"), replacement = lut[,2], vectorize_all = FALSE))

mycorpus <- tm_map(mycorpus, function(i) stringi_spelling_update(i, spellingdoc))

#编写一个自定义函数以传递给tm#u map
#“Spellingdoc”是两列csv
图书馆（stringr）
图书馆（stringi）
图书馆（tm）
stringi_拼写更新我想我找到了一个间接的答案

text（myCorpus）不可能从您的示例中知道这是否有效，这会遗漏一些部分，但通常：

如果您想访问quanteda语料库中的文本，可以使用
text（）
，并替换这些文本，
text（）Hi@Ken，实际上mycorpus是quanteda语料库。我最近才知道这个包裹。我想你的第二句话就是我要找的？然而，对于这个特殊的问题，我注意到您为dfm（）提供的字典功能，所以我使用了它，但很高兴知道，如果我需要对每个文档应用自定义函数，我会去
text（mycorpus）清理语料库中的文本仍然符合quanteda的无损工作流原则，如果语料库包含您从未感兴趣的拼写错误（例如OCR错误的产物）。我们要阻止的是人们使用词干分析器或从语料库中删除停止词。
texts(myCorpus) <- myFunction(myCorpus)

library("quanteda")
stringi_spelling_update2 <- function(x, lut = spellingdoc) {
    stringi::stri_replace_all_regex(str = x, 
                                    pattern = paste0("\\b", lut[,1], "\\b"), 
                                    replacement = lut[,2], 
                                    vectorize_all = FALSE)
}

myquantedacorpus <- corpus(mycorpus)
texts(mycorpus) <- stringi_spelling_update2(texts(mycorpus), spellingdoc)