r语言的条件语句（R语言产生词库）

在经历了昨天的千里之行死于脚下之后，今天早上重新尝试了一下，JRE居然很顺利的就下载完了，难道真的只是因为大晚上网速不好？？，现在小编就来说说关于r语言的条件语句?下面内容希望能帮助到你，我们来一起看看吧!

r语言的条件语句

在经历了昨天的千里之行死于脚下之后，今天早上重新尝试了一下，JRE居然很顺利的就下载完了，难道真的只是因为大晚上网速不好？？

反正不管咋样，分词包能装上就是好事，总算可以开工了

#已做完安装JDK、JRE等等步骤的情况下，装Rwordseg包

library("rJava")

#从本地加载Rwordseg的zip

library("Rwordseg")

#此处显示版本号的话应该就是OK了

所谓工欲善其事，必先利其器，刚到手的工具还不太熟，先小小地实验一下

上边的字请不要纠结意思，因为都是随便擦键盘擦出来的，目前来看，这个segmentCN函数大体上还是挺可以的，输出结果里至少告诉了咱两个重要事实：

1、 输入值是向量时，输出结果的形式是列表（那估计输入的维度到向量也就到顶了）

2、 标点、空格和一些乱七八糟的符号在分词过程中会被全部去掉，这个灰常好，我要的就是这样

既然能用，那就开始吧，上数据

setwd("D:/")

Table <- read.csv("BOM.csv", stringsAsFactors = FALSE)

str(Table)

length(Table$Description.Component)

要做分词的目标列是这个表里头的Description.Component，由于里头有大量重复值，所以容我先把它拎出来去个重

Base <- unique(Table$Description.Component)

str(Base)

虽然这些描述的不规则程度叫人有种不祥的预感，但姑且先试，毕竟看到效果才方便继续做优化

test <- unlist(segmentCN(Base[1:10]))

效果看起来总体上过得去，但肯定达不到满分，确定可以扣分的地方用黄色笔划出来了几个，看来，主要矛盾还是集中在数字和字母夹杂的地方

那如果，咱想通过描述来做的后续分析主要是依靠文字来判断，当中涉及的所有字母、单词、数字都是可以去掉的呢？

翻找了N个函数的帮助文件后，我很happy happy的通过其中某个链接找到了这样一个页面——正则表达式，虽说不是全篇都能看懂，但目光锐利如我还是抠到了对自己最有用的部分，见下方截图

正则表达式[[:alnum:]]可以代表0-9、A-Z和a-z这些东西的总集合，而如果一个字符串中出现多次都需要进行替换的话，后边可以添个 号（看help里是这么讲滴）

要从一串字符里去掉指定的东西，这个操作实际上用的是替换函数gsub，参数perl = TRUE表示的是替换内容为正则表达式

嗯，这个可以有，试得差不多了可以上全部了

#中文分词器，去掉其中所有符号、空格

Temp1 <- unlist(segmentCN(Base))

#去掉所有字母和数字

Temp2 <- gsub("[[:alnum:]] ", "", Temp1, perl = TRUE)

#去掉其中空值并去重

Dictionary <- unique(Temp2[Temp2 != ""])

检查一下内容，没其他问题就可以存档了

write.table(file = "Dictionary.txt", Dictionary)

走出了美美的第一步，Yeah