string - R使用“”将字符串转换为向量标记

Question

我有一个字符串：

string1 <- "This is my string"

我想将其转换为如下所示的向量：

vector1
"This"
"is"
"my"
"string"

我该怎么做呢？我知道我可以使用tm包转换为termDocumentMatrix然后转换为矩阵，但它会按字母顺序排列单词，我需要它们保持相同的顺序。

Answer 1

您可以使用 strsplit 来完成此任务。

string1 <- "This is my string"
strsplit(string1, " ")[[1]]
#[1] "This"   "is"     "my"     "string"

Answer 2

与 Dason 略有不同，但这将拆分为任意数量的空白，包括换行符：

string1 <- "This   is my
string"
strsplit(string1, "\\s+")[[1]]

Answer 3

作为补充，我们还可以使用unlist()给定列表结构生成向量：

string1 <- "This is my string"  # get a list structure
unlist(strsplit(string1, "\\s+"))  # unlist the list
#[1] "This"   "is"     "my"     "string"

Answer 4

如果您只是通过分割空格来提取单词，这里有几个不错的选择。

string1 <- "This is my string"

scan(text = string1, what = "")
# [1] "This"   "is"     "my"     "string"

library(stringi)
stri_split_fixed(string1, " ")[[1]]
# [1] "This"   "is"     "my"     "string"
stri_extract_all_words(string1, simplify = TRUE)
#      [,1]   [,2] [,3] [,4]    
# [1,] "This" "is" "my" "string"
stri_split_boundaries(string1, simplify = TRUE)
#      [,1]    [,2]  [,3]  [,4]    
# [1,] "This " "is " "my " "string" 

Answer 5

尝试：

library(tm)
library("RWeka")
library(RWekajars)
NGramTokenizer(source1, Weka_control(min = 1, max = 1))

这是针对您的问题的过度设计的解决方案。strsplit 使用 Sacha 的方法通常很好。