在 R 中转换表情符号文本

Question

在 R 中进行一些文本挖掘。我有一个包含 25k 个文档的语料库。我目前正在清理我的语料库，并且作为过程的一部分，我正在翻译成小写字母。我的实现：

createCorpus <- function(corpusData){
    aCorpus <- Corpus(DataframeSource(corpusData))
    ...
    aCorpus <- tm_map(aCorpus,content_transformer(tolower))
}

但是，对于任何包含表情符号的文档文本，我都会收到以下错误。请注意，我已经删除了 actual 文本。

FUN 中的错误（内容（x），...）：无效输入“...” 'utf8towcs'

现在，我尝试添加str_replace_all(aCorpus$content,"[^[:graph:]]", " ") 之前 转换为小写，如this answer 中所建议的那样。这会产生与上面完全相同的错误，几乎就像它实际上没有做任何事情一样。

我也按照here 的建议尝试了tm_map(aCorpus, function(x) iconv(enc2utf8(x), sub = "byte"))，这会产生错误：

enc2utf8(x) 中的错误：参数不是字符向量

我觉得str_replace_all() 是正确的方法，但我一定做错了什么？如何删除所有表情符号字符以便清理我的语料库？

编辑为了澄清，传递给函数的参数是单列数据框，其中每一行都是一个单独的文档。

Answer 1

我设法解决了这个问题：

tm_map(aCorpus, function(x) iconv(enc2utf8(x$content), sub = "byte"))

代替：

tm_map(aCorpus, function(x) iconv(enc2utf8(x), sub = "byte"))

问题是我必须直接引用语料库的内容，而不仅仅是语料库本身。通过使用x$content 而不仅仅是x 作为参数来实现。