如何解决如何以递增的方式拆分文本?
我有一个使用 readtext
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 字到 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(1000,1000) :
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。所以,我需要调试它以便函数运行。
我无法为列表中的所有属性设置固定的 by
值。我需要这个函数根据进入函数的属性的索引更改 by
值。我的意思是 length(words.split[[1]]) 表示列表中的第一个,length(words.split[[2]] 表示第二个,依此类推。提前感谢您的时间和帮助。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。