使用R计算文本文件中单词的出现次数

Question

我尝试创建一个返回文本文件中单词出现次数的函数。 为此，我创建了一个包含文本所有单词的列表。 (a, c,, c , d, e, f 在这里是示例词)

[[1]]

 [1] a  

 [2] f 

 [3] e       

 [4] a 

[[2]] 

 [1] f 

 [2] f

 [3] e

我为每个单词创建了一个表来存储它的出现值的数量

table(unlist(list))

  a b c d e

  3 3 2 1 1

我现在的问题是如何提取参数中单词出现的值。 该函数将具有这种结构

GetOccurence <- function(word, table)
{
   return(occurence)
} 

任何想法请帮助我，在此先感谢

Answer 1

要回答有关您的功能的问题，您可以采用以下方法。

数据准备

为了可重复性，我使用了公开可用的数据并对其进行了一些清理。

library(tm)
data(acq)

# Basic cleaning
acq <- tm_map(acq, removePunctuation)  
acq <- tm_map(acq, removeNumbers)     
acq <- tm_map(acq, tolower)     
acq <- tm_map(acq, removeWords, stopwords("english"))  
acq <- tm_map(acq, stripWhitespace)   
acq <- tm_map(acq, PlainTextDocument) 

# Split list into words
wrds <- strsplit(paste(unlist(acq), collapse = " "), ' ')[[1]]
# Table
tblWrds <- table(wrds)

---

功能

GetOccurence <- function(word, table) {
    occurence <- as.data.frame(table)
    occurence <- occurence[grep(word, occurence[,1]), ]
    return(occurence)
}

修改后的（仅全词）

这个函数只匹配full字，下面的解决方案利用this answer。

GetOccurence <- function(word, table) {
    occurence <- as.data.frame(table)
    word <- paste0("\\b", word, "\\b")
    occurence <- occurence[grep(word, occurence[,1]), ]
    return(occurence)
}