在R中将文本更改为小写，在文本挖掘中保持首字母大写答案

【问题标题】：Change text to lowercase in R keeping acronyms in uppercase in text mining在R中将文本更改为小写，在文本挖掘中保持首字母大写
【发布时间】：2019-10-01 04:39:24
【问题描述】：

如何使用 R 将全文更改为小写但保留大写首字母缩写词？我需要它来进行文本挖掘和使用 udpi 包。我当然可以使用大写，但无论如何要在使用小写时保留大写首字母缩写词？

tolower('NASA 是一家美国公司')。

tolower('NASA IS A US COMPANY')

tolower('NASA IS A US COMPANY')

Expected: NASA is a US company

Actual: nasa is a us company

【问题讨论】：

使用tm和mapstopwords?

标签： r

【解决方案1】：

我们可以做到：测试是输入：

paste(lapply(strsplit(test," "),function(x) ifelse(x %in% toupper(tm::stopwords()),
                                              tolower(x),x))[[1]],collapse=" ")
[1] "NASA is a US COMPANY"

【讨论】：

【解决方案2】：

我编辑了

Capitalize the first letter of both words in a two word string

只是一点点。

simpleCap <- function(x,abr) {
  s <- strsplit(x, " ")[[1]]
  loc = which(!s %in% abr)
  loc_abr = which(s %in% abr)
  tmp_s = s[!s %in% abr]

  paste(toupper(substring(tmp_s, 1,1)), tolower(substring(tmp_s, 2)),
        sep="", collapse=" ")

  result = character(length(s))
  result[loc] = strsplit(paste(toupper(substring(tmp_s, 1,1)), tolower(substring(tmp_s, 2)),
                               sep="", collapse=" ")," ")[[1]]
  result[loc_abr] = abr
  result = paste(result,collapse = " ")
  return(result)
}

你必须管理一些像这样的缩写

abr <- c("NASA", "US")

之后你可以得到下面的结果

simpleCap(abr= abr, 'NASA IS A US COMPANY')
>[1] "NASA Is A US Company"

【讨论】：

【解决方案3】：

这个怎么样？

acronyms <- c('NASA','US')
test <- 'NASA IS A US COMPANY'

a <- tolower(test)
b <- as.list(strsplit(a, " ")[[1]])

for (i in 1:length(b)) {
  if (toupper(b[i]) %in% acronyms) {
    b[i] <- toupper(b[i])
  }
}

c <- paste(b, collapse=" ")

【讨论】：