R文本从文本中挖掘过滤字符串

Question

我想知道是否存在给定文本和字符串列表作为输入的现有 R 函数，将过滤掉列表中在文本中找到的匹配字符串？

例如，

x <- "This is a new way of doing things."
mywords <- c("This is", "new", "not", "maybe", "things.")
filtered_words <- Rfunc(x, mywords)

那么 filtered_words 将包含 "This is"、"new" 和 "things."。

有没有这个功能？

Answer 1

我们可以使用 library(stringr) 中的 str_extract_all。输出将是 list，可以 unlisted 将其转换为 vector。

library(stringr)
unlist(str_extract_all(x, mywords))
#[1] "This is" "new"     "things."

Answer 2

filterWords = function(x, mywords){
  splitwords = unlist(strsplit(x, split = " "))
  return(splitwords[splitwords%in%mywords])
}

这是一种方法。但是，这不会找到带有两个子词的词，如 "this is"。但我认为它可能会给你更多关于你所问内容的信息。

R text mining filtering string from text