R convertire la stringa al vettore tokenize usando ""

Question

Ho una stringa:

string1 <- "This is my string" 

Vorrei convertirlo in un vettore che assomiglia a questo:

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

Come faccio a fare questo ? So che potrei usare il pacchetto tm per convertire in termDocumentMatrix e quindi convertire in una matrice, ma sarebbe alfabetizzare le parole e ho bisogno che restino nello stesso ordine.

Answer 1

È possibile utilizzare strsplit per eseguire questa operazione.

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

Answer 2

Leggermente diverso da Dason, ma questo si dividerà per qualsiasi quantità di spazio bianco tra cui nuove righe:

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

Answer 3

Prova:

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

Si tratta di una soluzione carrozzabile per il vostro problema . strsplit usando l'approccio di Sacha generalmente va bene.

Answer 4

Come supplemento, possiamo anche usare unlist() per la produzione di un vettore da una data struttura lista:

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

Answer 5

Se siete semplicemente estraendo le parole dalla scissione sugli spazi, qui un paio di alternative belle .

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"