计算R中开放式响应中的单词数[关闭]答案

【问题标题】：Count number of words in the open ended responses in R [closed]计算R中开放式响应中的单词数[关闭]
【发布时间】：2014-08-14 15:22:34
【问题描述】：

我有一个包含 600 个响应的数据集，其中包含一个“Free_Text”变量，其中包含来自受访者的反馈/cmets。现在我想计算每个受访者在 cmets 中的单词数。我该怎么做？我是 R 的新学习者，正在 R 工作室工作。

【问题讨论】：

请不要在没有a reproducible example的情况下寻求帮助。

标签： regex r pattern-matching

【解决方案1】：

考虑使用stringi 包中的stri_extract_words，尤其是当您有非英文文本时。它使用 ICU 的 BreakIterator 来完成这项任务，并包含一个复杂的断词规则列表。

library(stringi)
str <- c("How many words are there?", "R — язык программирования для статистической обработки данных и работы с графикой, а также свободная программная среда вычислений с открытым исходным кодом в рамках проекта GNU.")
stri_extract_words(str)
## [[1]]
## [1] "How"   "many"  "words" "are"   "there"
## 
## [[2]]
##  [1] "R"                "язык"             "программирования" "для"              "статистической"  
##  [6] "обработки"        "данных"           "и"                "работы"           "с"               
## [11] "графикой"         "а"                "также"            "свободная"        "программная"     
## [16] "среда"            "вычислений"       "с"                "открытым"         "исходным"        
## [21] "кодом"            "в"                "рамках"           "проекта"          "GNU"   
sapply(stri_extract_words(str), length) # how many words are there in each character string?
## [1]  5 25

【讨论】：

【解决方案2】：

拆分字符串并计算元素是一种简单的入门方法。

str = "This is a string."

str_length = length(strsplit(str," ")[[1]])

> str_length
[1] 4

【讨论】：

【解决方案3】：

这可能会有所帮助：

 str1 <- c("How many words are in this sentence","How many words")
 sapply(gregexpr("\\W+", gsub("[[:punct:]]+","",str1)), length) + 1
 #[1] 7 3

还有，

 library(qdap)
 word_count(str1)
#[1] 7 3

 str2 <- "How many words?."  
 word_count(str2)
 #[1] 3

【讨论】：

【解决方案4】：

还有一种方法，使用 stringr 包列出单个单词：

str1 <- c("How many words are in this sentence","How many words")
length(unlist(str_match_all(str1, "\\S+" ))) # list all words -- strings that end with one or more white spaces, then unlist them so that the length function counts them

【讨论】：