R 将数据帧转换为语料库

我使用[这里]的例子：

我用它来消除一些噪音：

`mytext <- paste(unlist(df$text), collapse =" ")
mytext2 <- gsub("<code>.+?</code>", "", mytext)
cleanFun <- function(htmlString) {
    return(gsub("<.*?>", "", htmlString))
}
mytext3 <- cleanFun(mytext2)
df2 <- gsub("\n", "", mytext3)`

但是，该文档未列出，我收到稀疏的0.0%

---

myDfm不完全确定问题是什么，但是如果您想清理
df
中的文本，然后将其转换为语料库，那么下面是一种方法：

df$text <- gsub("<.*?>", "", df$text)
corp <- corpus(df, text_field = "text")
dfm <- dfm(corp, remove_punct = TRUE, remove = stopwords('en'))
> dfm
Document-feature matrix of: 3 documents, 32 features (62.5% sparse).

df$text为什么要用
粘贴（collapse=“”）
将文本字符串连接成一个字符串？由于df2中的文档数量是一个，dfm当然是0%稀疏的，因为dfm中的每个特征都必须在df2中的单个文档中呈现。@amatsuo_net让df2保持原样是正确的吗？这里的问题是
粘贴（…，collapse=”“）
，它将向量的各个元素粘贴到一个元素中。因此，当您创建dfm时，您会得到一个文档。由于您的所有功能都取自单个文档，因此根据定义，它将是0%稀疏的。要获取单个文档，请不要将元素粘贴在一起。
`mytext <- paste(unlist(df$text), collapse =" ")
mytext2 <- gsub("<code>.+?</code>", "", mytext)
cleanFun <- function(htmlString) {
    return(gsub("<.*?>", "", htmlString))
}
mytext3 <- cleanFun(mytext2)
df2 <- gsub("\n", "", mytext3)`

df$text <- gsub("<.*?>", "", df$text)
corp <- corpus(df, text_field = "text")
dfm <- dfm(corp, remove_punct = TRUE, remove = stopwords('en'))
> dfm
Document-feature matrix of: 3 documents, 32 features (62.5% sparse).