11

（我正在使用 R。）对于称为“goodwords.corpus”的单词列表，我正在遍历语料库中的文档，并将列表“goodwords.corpus”中的每个单词替换为单词 + a数字。

例如，如果单词“good”在列表中，而“goodnight”不在列表中，那么这个文档：

I am having a good time goodnight

会变成：

I am having a good 1234 time goodnight

**我正在使用此代码（编辑-使此可重现）：

goodwords.corpus <- c("good")
test <- "I am having a good time goodnight"
for (i in 1:length(goodwords.corpus)){
test <-gsub(goodwords.corpus[[i]], paste(goodwords.corpus[[i]], "1234"), test)
}

但是，问题是我希望 gsub 只替换整个单词。出现的问题是：“good”在“goodwords.corpus”列表中，但是不在列表中的“goodnight”也受到影响。所以我明白了：

I am having a good 1234 time good 1234night

无论如何我可以告诉 gsub 只替换整个单词，而不是可能是其他单词一部分的单词？

我想用这个：

test <-gsub("\\<goodwords.corpus[[i]]\\>", paste(goodwords.corpus[[i]], "1234"), test)
}

我读过 \< 和 \> 会告诉 gsub 只查找整个单词。但显然这不起作用，因为 goodwords.corpus[[i]] 在引号中时不起作用。

有什么建议么？

4

2 回答 2

16

用于\b表示单词边界：

> text <- "good night goodnight"
> gsub("\\bgood\\b", paste("good", 1234), text)
[1] "good 1234 night goodnight"

在你的循环中，是这样的：

for (word in goodwords.corpus){
  patt <- paste0('\\b', word, '\\b')
  repl <- paste(word, "1234")

  test <-gsub(patt, repl, test)
}
于 2014-04-06T01:06:55.997 回答
8

你很接近得到这个。您已经在使用paste来形成替换字符串，为什么不使用它来形成模式字符串呢？

goodwords.corpus <- c("good")
test <- "I am having a good time goodnight"
for (i in 1:length(goodwords.corpus)){
    test <-gsub(paste0('\\<', goodwords.corpus[[i]], '\\>'), paste(goodwords.corpus[[i]], "1234"), test)
}
test
# [1] "I am having a good 1234 time goodnight"

（paste0只是paste(..., sep='')。）

（我与@MatthewLundberg 同时发布了这个，他的也是正确的。我实际上更熟悉使用\bVice \<，但我想我会继续使用你的代码。）

于 2014-04-06T01:11:00.243 回答