如果文档中没有单词，如何标记文档？

Question

我正在对具有2500个文档的文本数据进行文本挖掘，并在文档中查找特定单词。

如果一个单词说“撕裂”，我想标记该文档。不存在，并将输出作为没有该单词的文档列表。并且还想将输出保存在文本文件中。

我正在使用以下代码

library(qdapRegex)

grab2 <- rm_(pattern=S("@around_", 1, "laceration", 1), extract=TRUE)

grab2(l$Text)

示例输出我正在

[[2164]]
[1] NA

[[2165]]
[1] NA

[[2166]]
[1] "laceration"

[[2167]]
[1] NA

[[2168]]
[1] NA

我想要的代码只返回没有“撕裂”字样的文件。并希望将输出写入文件。

Answer 1

虽然您可以在R中执行此操作，但在命令行执行此操作会更有效（如果在Windows上使用类似Linux的操作系统或CygWin）：

grep -v "\blaceration\b" *.txt >ListOfNoLac

在R中，你可以这样做：

fileList <- list.files(".", "\\.txt$")
hasLac <- sapply(fileList, function(x) length(grep("\\blaceration\\b", readLines(x))) > 0)
fileList[!hasLac]