R convertir une chaîne en vecteur en utilisant " ".

Question

J'ai une corde :

string1 <- "This is my string"

Je voudrais le convertir en un vecteur qui ressemble à ceci :

vector1
"This"
"is"
"my"
"string"

Comment dois-je m'y prendre ? Je sais que je pourrais utiliser le tm pour convertir en termDocumentMatrix puis convertir en matrice, mais les mots seraient classés par ordre alphabétique et j'ai besoin qu'ils restent dans le même ordre.

Answer 1

Vous pouvez utiliser strsplit pour accomplir cette tâche.

string1 <- "This is my string"
strsplit(string1, " ")[[1]]
#[1] "This"   "is"     "my"     "string"

Answer 2

Légèrement différent de Dason, mais cette méthode permet de diviser pour toute quantité d'espace blanc, y compris les nouvelles lignes :

string1 <- "This   is my
string"
strsplit(string1, "\\s+")[[1]]

Answer 3

En complément, nous pouvons également utiliser unlist() pour produire un vecteur à partir d'une structure de liste donnée :

string1 <- "This is my string"  # get a list structure
unlist(strsplit(string1, "\\s+"))  # unlist the list
#[1] "This"   "is"     "my"     "string"

Answer 4

Si vous voulez simplement extraire des mots en les séparant par des espaces, voici quelques alternatives intéressantes.

string1 <- "This is my string"

scan(text = string1, what = "")
# [1] "This"   "is"     "my"     "string"

library(stringi)
stri_split_fixed(string1, " ")[[1]]
# [1] "This"   "is"     "my"     "string"
stri_extract_all_words(string1, simplify = TRUE)
#      [,1]   [,2] [,3] [,4]    
# [1,] "This" "is" "my" "string"
stri_split_boundaries(string1, simplify = TRUE)
#      [,1]    [,2]  [,3]  [,4]    
# [1,] "This " "is " "my " "string"

Answer 5

Essayez :

library(tm)
library("RWeka")
library(RWekajars)
NGramTokenizer(source1, Weka_control(min = 1, max = 1))

C'est une solution trop élaborée pour votre problème. strsplit utilisant l'approche de Sacha est généralement très bien.