Skye's Blog

文字挖掘的基本流程：需要的工具套件：内容来源：guternbergr 古腾堡计划，提供很多书籍电子版资料，可以用guternbergr套件以编号直接下载书籍自己爬取内容：现成的爬虫工具，自己写爬虫基本文字处理：dplyr、tidytext 包断词系统：jiebar包基本断词自定义使用者断词词典自定义停用词欢迎关注【数据小盐罐儿】一个很“咸”的数据科学公众号，不定期分享有趣...

R 文字处理基本处理：• 切割：strsplit（）• 子集：substr（）• 大小写转换：toupper（）tolower（）• 两个文字连接：paste（）paste0（）• 文字取代：gsub（）• 前后空白去除：str_trim（）需要安装stringr包• 字符串的统计：nchar()# 用空格分割strsplit("Hello World"," ") ...