Hashtag Extract-Funktion in R Programmierung

Question

Ich versuche, eine Hashtag-Extraktionsfunktion in R zu erstellen. Diese Funktion wird eine Hashtag aus einem Post extrahieren, wenn es irgendwelche gibt, sonst wird ein Leerzeichen geben. Meine Funktion ist wie

hashtag_extract= function(text){ 
       match = str_extract_all(text,"#\\S+") 
       if (match) { 
       return match 
       }else{ 
       return ''}} 
String="#letsdoit #Tonewbeginnign world is on a new#route 

Aber meine Funktion funktioniert nicht, mich Tonnen errors.like ersten Fehler zeigt,

Error: unexpected symbol in: 
     " if (match) { 
    return match" 

so dass ich es als

hashatag_extract(string) 

anwenden möchten, und Antwort sollte kommen wie

#letsdoit ##Tonewbeginnign #route 

Und schließlich werde ich sapply verwenden, um diese Funktion auf die ganze Spalte anzuwenden, deshalb ist der If-Teil wichtig. Bitte ignorieren Sie meine Einbuchtung für R, da ihr nicht wichtig für R, aber jeder Vorschlag hilfreich sein

Answer 1

1. Hashtag reguläre Ausdrücke sind nicht so einfach
2. Ich bin nicht sicher Sie die allgemein anerkannten „Regeln“ zu verstehen für
Hashtags
3. ich glaube nicht, str_extract_all() zurückkehrt, was Sie denken, es ist
4. Nur stringi verwenden, die stringr Funktionen auf gebaut von
5. Folks rly stoppen müssen Tweets Analyse

Dies sollte die meisten, wenn nicht alle Fälle behandeln:

get_tags <- function(x) { 
    # via http://stackoverflow.com/a/5768660/1457051 
    twitter_hashtag_regex <- "(^|[^&\\p{L}\\p{M}\\p{Nd}_\u200c\u200d\ua67e\u05be\u05f3\u05f4\u309b\u309c\u30a0\u30fb\u3003\u0f0b\u0f0c\u00b7])(#|\uFF03)(?!\uFE0F|\u20E3)([\\p{L}\\p{M}\\p{Nd}_\u200c\u200d\ua67e\u05be\u05f3\u05f4\u309b\u309c\u30a0\u30fb\u3003\u0f0b\u0f0c\u00b7]*[\\p{L}\\p{M}][\\p{L}\\p{M}\\p{Nd}_\u200c\u200d\ua67e\u05be\u05f3\u05f4\u309b\u309c\u30a0\u30fb\u3003\u0f0b\u0f0c\u00b7]*)" 
    stringi::stri_match_all_regex(x, hashtag_regex) %>% 
    purrr::map(~.[,4]) %>% 
    purrr::flatten_chr() 

} 

tests <- c("#teste_teste  //underscore accepted", 
      "#teste-teste  //Hyphen not accepted", 
      "#leof_gfg.sdfsd //dot not accepted", 
      "#f34234@45#6fgh6 // @ not accepted", 
      "#leo#leo2#asd  //followed hastag without space ", 
      "#6663    // only number accepted", 
      "_#asd_   // hashtag can't start or finish with underscore", 
      "-#sdfsdf-   // hashtag can't start or finish with hyphen", 
      ".#sdfsdf.   // hashtag can't start or finish with dot", 
      "#leo_leo__leo__leo____leo // decline followed underline") 


get_tags(tests) 
## [1] "teste_teste"    "teste"     
## [3] "leof_gfg"     "f34234"     
## [5] "leo"      NA       
## [7] NA       "sdfsdf"     
## [9] "sdfsdf"     "leo_leo__leo__leo____leo" 

your_string <- "#letsdoit #Tonewbeginnign world is on a new#route" 

get_tags(your_string) 
## [1] "letsdoit"  "Tonewbeginnign" 

Sie müssen die Funktion optimieren, wenn Sie jeden Satz von Hashtags müssen mit jedem Eingangsvektor gruppiert werden, aber du wirklich didn‘ Ich gebe viel Details darüber, was Sie wirklich erreichen wollen.

Answer 2

@manu sharma Ich würde sagen, Sie müssen nicht gelten, wenn sonst drinnen. Lassen Sie die nicht übereinstimmenden Zeilen Werte als 'NA' annehmen. Und nach dem Anwenden der Funktion ändern Sie es auf leer. Hoffnung meinen Code hilft Ihnen:

aaa <- readLines("C:\\MY_FOLDER\\NOI\\file2sample.txt") 
ttt <- function(x){ 

    r <- sapply(x, function(x) { matches <- str_match(x,"#\\w+\\s+")}) 
    r 


    } 

y <-ttt(aaa) 
y[is.na(y)]='' 

Answer 3

Danke an alle für die Hilfe, ich habe es irgendwie funktionierte, dachte, es als Shalini Antwort fast ähnlich ist 1.replacing alle NAs auf Nachricht

message[is.na(message)]='abc' 

2.Function für die Hashtags Extrahieren

hashtag_extrac= function(text){ 
match = str_extract_all(text,"#\\S+") 
if (match!= "") { 
match 
} else { 
'' }} 

Anwendung-Funktion auf ganze Spalte

hashtags= sapply(message, hashtag_extrac)