从 R Markdown 中的字数中排除部分答案

【问题标题】：Exclude sections from word count in R Markdown从 R Markdown 中的字数中排除部分
【发布时间】：2017-09-20 09:13:59
【问题描述】：

我正在用 Rmarkdown 写一篇论文（通过 LaTeX 导出为 PDF），我需要计算正文中的单词数。对于 LaTeX 文档，我在命令行中使用 texcount，在我的 tex 文档中使用以下标签指定要从字数统计中排除的部分：

%TC:ignore 
The part that is to be ignored (e.g., Appendix)
%TC:endignore

如何在我的 Rmd 文件中包含 LaTeX cmets 以避免每次重新生成它时在我的 tex 文件中手动添加 %TC 行？

这是我的 MWE .Rmd:

---
output:
  pdf_document: 
    keep_tex: yes
---

Words that I want to count. 

<!-- TC:ignore -->
Words that I want to exclude but cannot, 
because the comments do not appear in the `.tex` file. 
<!-- TC:endignore --> 

%TC:ignore 
Other words that I want to exclude but this does not work either 
because `%` is not interpreted as \LaTeX comment. 
%TC:endignore 

#%TC:ignore
Another attempt; it does not work because `#` is for sections, 
not comments. 
#%TC:endignore

一旦我编织了 .Rmd 文件并输出了 .tex 文件，我会输入：

texcount MWE.tex

答案应该是 6 个字。谢谢！

更新 1：

在 Twitter 上，@amesoudi 建议使用 RStudio 插件 (WordCountAddIn) 来计算我的 Rmd 文档中的单词。该插件在https://github.com/benmarwick/wordcountaddin 处可用。但是，这不是自动化的，仍然涉及一些指向和单击。

更新 2：
另一种解决方案是

使用特定的表达式来识别什么应该是 LaTeX cmets，例如LATEXCOMMENT%TC:ignore 在.Rmd 文件中，
有一个脚本可以自动删除生成的.tex 文档中的LATEXCOMMENT 表达式（例如sed）

【问题讨论】：

标签： latex knitr r-markdown

【解决方案1】：

我们实际上可以直接使用 .Rmd 文件，而不是对输出的 LaTex 文件进行字数统计。

此代码与您提到的wordcountaddin 的方法相似，但标签 和 之间的任何文本都不会包含在计数中：

library(stringr)
library(tidyverse)

RmdWords <- function(file) {

  # Creates a string of text
  file_string <- file %>%
    readLines() %>%
    paste0(collapse = " ") %>%
    # Remove YAML header
    str_replace_all("^<--- .*?--- ", "") %>%    
    str_replace_all("^--- .*?--- ", "") %>%
    # Remove code
    str_replace_all("```.*?```", "") %>%
    str_replace_all("`.*?`", "") %>%
    # Remove LaTeX
    str_replace_all("[^\\\\]\\$\\$.*?[^\\\\]\\$\\$", "") %>%
    str_replace_all("[^\\\\]\\$.*?[^\\\\]\\$", "") %>%
    # Deletes text between tags
    str_replace_all("TC:ignore.*?TC:endignore", "") %>%
    str_replace_all("[[:punct:]]", " ") %>%
    str_replace_all("  ", "") %>%
    str_replace_all("<", "") %>%
    str_replace_all(">", "")

  # Save several different results
  word_count <- str_count(file_string, "\\S+")
  char_count <- str_replace_all(string = file_string, " ", "") %>% str_count()

   return(list(num_words = word_count, num_char = char_count, word_list = file_string))
}

函数返回列表中的三个项目：

num_words：文件中的字数
num_char：字符数
word_list：文档中所有单词的列表

如果要在编译后的报告中显示结果，可以将r代码内联如下：

```{r}
words <- RmdWords("MWE.Rmd")
```
 There are seven words with 34 characters.

<!-- TC:ignore -->
Words that I want to exclude but cannot, 
because the comments do not appear in the `.tex` file. 
<!-- TC:endignore --> 

<!-- TC:ignore -->
Word Count: `r words$num_words` \newline
Character Count: `r words$num_char`
<!-- TC:endignore -->

注：部分原脚本改编自http://www.questionflow.org/2017/10/13/how-to-scrape-pdf-and-rmd-to-get-inspiration/

【讨论】：