1

我有这个闭包，它的目的是在传输和扩充元数据时将一个解析PlainTextDocument为几个 child ：PlainTextDocument

segment_doc <- function(doc) {
    txt = paste0(doc, collapse=' ')
    au <- meta(doc, tag='Author');
    desc <- meta(doc, tag='description');
    ori <- meta(doc, tag='origin');
    locmeta <- attr(doc,'LocalMetaData');

    function(df){
        dfrows <- nrow(df);
        v<-rep(NA,dfrows);
        for(i in 1:dfrows) {
            a <- df[i,'after'];
            b <- df[i, 'before'];
            m <- df[i, 'meta'];

            sec <-PlainTextDocument(mkmeta(b, a, txt), author= au, description=desc, origin=ori, heading = m, localmetadata= locmeta) 
            #verified using debug that sec is a 'PlainTextDocument' with the expected text and metadata 
            v[i]=sec;

        }
        v #should be a vector of PlainTextDocuments, BUT it is vector of character vectors. WHY??

    }
}

我可以使用如下：

# mycorpus is a Corpus object containing PlainTextDocuments
# sections is a data.frame with 3 columns of type character named 'before', 'after' and 'meta' and 6 rows

sectioner <- segment_doc(mycorpus[[1]]); 
ptv <- sectioner(sections); #expect a vector of 6 PlainTextDocuments

class(ptv);
[1] "character" 
length(ptv);
[1] 6

问题

  • 为什么放在向量中时会sec从PlainTextDocument对象转换为字符向量？
  • 我怎样才能sectioner返回一个Corpus对象？（PlainTextDocuments 的向量也可以）。

我已经阅读了关于tm. 是的，全部。这不应该那么难。我应该使用其他方法吗？

4

1 回答 1

2

sectioner返回字符向量的原因是因为您初始化v为不能携带复杂对象的原子向量。相反，放入向量中的对象被强制转换为常见的原子数据类型（这里是字符）。您可以将 v 初始化为列表

v <- vector( length = dfrows, mode= 'list' ).
于 2013-04-30T14:26:43.270 回答