我正在使用R处理Twitter数据，并试图从推文中删除所有正确的英语单词 . 我们的想法是查看我记录的推文中特定人群所使用的口语缩写，拼写错误和俚语 .
例：
tweet <- c("Trying to find the solution frustrated af")
经过上述操作后，我想只有'af'
我想过把字母（我会下载）上的字母洗掉，但必须有一个更简单的选择 . Python中的任何解决方案也会有所帮助 .
另一个基于hunspell的解决方案使用了一个相当新的和有趣的package：
# install.packages("hunspell") # uncomment & run if needed library(hunspell) tweet <- c("Trying to find the solution frustrated af") ( tokens <- strsplit(tweet, " ")[[1]] ) # [1] "Trying" "to" "find" "the" "solution" "frustrated" "af" tokens[!hunspell_check(tokens), dict = "en_US"] # [1] "af"
1 回答
另一个基于hunspell的解决方案使用了一个相当新的和有趣的package：