0

readtext我有一个使用库读入软件的文本列表。

files <-readtext(paste0(wd), "/r/*.pdf", ignore_missing_files = FALSE, text_field = "texts")

这 100 个 pdf 文件大小不等，从 6000 到 40000 字不等。我需要以越来越多的方式将它们分块。

files.ch <- as.character(files$text)
library(stringi)

chunking <- function(c){
  words.split <- str_split(c, pattern = boundary(type = "word"))
  chunked <- sapply(seq(1000, length(words.split[[1]]), 1000), lapply, function(x) paste(words.split[[1]][1:x], collapse = " "))
  return(chunked)
}
chunked <- lapply(files.ch, chunking)

Error in seq.default(1000, length(words.split[[1]]), 1000) : 
  wrong sign in 'by' argument

这里的by参数-length(words.split[[1]]-似乎有问题。因为文本大小不相等，一个文本的长度不适用于更长的文本。所以，我需要调试这以便函数运行。我by的列表中的所有属性都不能有一个固定值。我需要这个函数by根据进入函数的属性的索引来更改值。我的意思是长度（words.split [ [1]]) 为列表中的第一个，length(words.split[[2]] 为第二个等等。提前感谢您的时间和帮助。

4

0 回答 0