r - R tm软件包vcorpus:将语料库转换为数据帧时出错

我正在使用tm包通过以下代码清理一些数据：

mycorpus <- Corpus(VectorSource(x))
mycorpus <- tm_map(mycorpus, removePunctuation)

然后，我想将语料库转换回数据框，以便导出包含数据框原始格式的数据的文本文件。我尝试了以下方法：

dataframe <- as.data.frame(mycorpus)

但这返回一个错误：


“ as.data.frame.default。（mycorpus）中的错误：无法将类“ c（vcorpus，>语料库”）强制转换为data.frame


如何将语料库转换为数据框？

最佳答案

您的语料库实际上只是具有某些额外属性的字符向量。因此，最好将其转换为字符，然后可以将其保存到data.frame中，如下所示：

library(tm)
x <- c("Hello. Sir!","Tacos? On Tuesday?!?")
mycorpus <- Corpus(VectorSource(x))
mycorpus <- tm_map(mycorpus, removePunctuation)

dataframe <- data.frame(text=unlist(sapply(mycorpus, `[`, "content")),
    stringsAsFactors=F)

哪个返回

              text
1        Hello Sir
2 Tacos On Tuesday

更新：使用较新版本的tm，他们似乎已经更新了as.list.SimpleCorpus方法，该方法确实与使用sapply和lapply混淆。现在我想你必须使用

dataframe <- data.frame(text=sapply(mycorpus, identity),
    stringsAsFactors=F)