在自定义函数中包含额外的（省略号/点点点）参数

Question

我正在做一个关于文本挖掘的项目，因此我想编写一个小函数来计算文本中不同标记的数量。标记化由函数tidytext::unnest_token 完成，它基本上是tokenizers::tokenize_ngrams 与管道一起使用的包装器。我目前的做法如下：

count_tokens <- function(data,output,token="words", ...){
  data %>% 
    select(textcolumn) %>% 
    tidytext::unnest_tokens(tbl=output, input=textcolumn, ...) %>% 
    n_distinct()
}

只要我使用来自tidytext::unnest_token 的参数，例如to_lower 或drop，它就可以正常工作（即使使用...）。 count_tokens(data, word, to_lower = FALSE) 工作正常！

现在，tidytext::unnest_token 的文档指出 ... 也可以用作传递给标记器的额外参数，例如 strip_punct 用于“单词”和“推文”，n 和 @ 987654333@ for "ngrams" 和 "skip_ngrams", (...). 但是，如果我在函数的省略号参数中包含参数 n，它会崩溃。

count_tokens(data, ngram, token = "ngrams", to_lower = FALSE, n = 10) 显示以下错误消息：

Error in tf(col, lowercase = to_lower, ...) : unused argument (n = 10)

有人能指出我正确的方向，甚至可以告诉我需要如何调整我的代码吗？

Answer 1

首先，您的示例似乎无效。 对我来说，更新后的功能可以正常工作。

library(dplyr)
library(tidytext)
library(janeaustenr)

count_tokens <- function(data,output,token="words", ...){
  d %>% 
    select(txt) %>% 
    tidytext::unnest_tokens(output, input="txt", token = token, ...) %>% 
    n_distinct()
}

d <- tibble(txt = prideprejudice)

count_tokens(d, "word", to_lower = FALSE)
#> [1] 6915

count_tokens(d, "ngram", token = "ngrams", to_lower = FALSE, n = 8)
#> [1] 122189

count_tokens(d, "ngram", token = "ngrams", to_lower = FALSE, n = 5)
#> [1] 121599

count_tokens(d, "ngram", token = "ngrams", to_lower = FALSE, n = 3)
#> [1] 104664

^{由reprex package (v0.3.0) 于 2021 年 2 月 3 日创建}