如何从文本中提取列出的名称（地名）？

Question

我想从文本中提取地名并在地图上对它们进行地理定位 - 使用 R 自动进行。第一步是提取地名。

我下载了地名列表（来自geonames）；但是如何在文本中匹配 geonames-placename-list 中的单词？

intersect() 的可能性仅在我将文本转换为向量时有效 - 因此需要将文本拆分为单词，这导致匹配运算符只能找到一个单词的地名喜欢 "berlin" 但不喜欢 "new york" 等

是否存在将列表与文本（作为字符串）进行比较的函数？

MWE：

list = c("Wien", "London", "New York")
text = "Er sah den Stadtplan von Wien in New York."
words = unlist(strsplit(text, "\W"))
intersect(list, words)

仅结果：

> [1] "Wien"

Answer 1

你可以使用类似的东西

library(stringr)
    list = c("Wien", "London", "New York")
    text = "Er sah den Stadtplan von Wien in New York."
    words=as.character()

    for (i in 1:length(list)){

        if (is.na(str_extract(text,list[i]))) next

        x<-str_extract(text,list[i])
        words<-c(words,x)
    }


    > words
    [1] "Wien"     "New York"

Answer 2

根据复杂性，您也可以使用（注意空格）

list = c("Wien", "London", "NewYork")
text = "Er sah den Stadtplan von Wien in NewYork."
words = unlist(strsplit(text, "\W"))
list[list %in% words]

"Wien" "NewYork"

如何从文本中提取列出的名称（地名）？

how to extract listed names (placenames) from a text?

compare

geocoding

r

list

text-mining