*disclaimer
449072
R.scripts Rのちょっとしたスクリプト
検索
- grepは、検索文字列が含まれる要素を返す。
- 文字列が「単語」で、要素が「文」の場合、
- その「文」の中に「単語」が含まれているかどうかを探す。
- 含まれている「文」を返す。
- 注意点:「文」の中に「単語」が2回使われている場合
- grepしたらその「文」を返すだけ。その「文」にはその「単語」が含まれている
- 「文」の中に「単語」が2回含まれていることは答えてくれない。
myGrep
- ウインドウが開いて検索対象ファイルをえらぶ(例: myGrep("had some")
myGrep <- function(a){ lines.tmp <- scan(choose.files(), what="char", sep="\n") grep(a, lines.tmp, value=T) }
myGrep2
- ファイル名も指定する(例: myGrep2("had some", "JPN005.txt)
- ただし、作業ディレクトリーが検索対象ファイルのあるディレクトリー(フォルダ)にあること
myGrep2 <- function(a, b){ lines.tmp <- scan(b, what="char", sep="\n") grep(a, lines.tmp, value=T) }
myGrep3.R
- ディレクトリー内のすべてのファイルに対し、対象とする文字列が何回出現するかの一覧表を出力
myGrep3.R(311)
myGrep3 <- function(a){ #copyleft 2019-01-24 sugiura@nagoya-u.jp output.file = choose.files() #結果を保存するファイル名を指定する。保存場所に注意 #(ファイル名を聞かれたら適当に名前を付ける。例えば jpn.txt) files <- list.files() for (i in files) { hit <- vector() lines.tmp <- scan(i, what="char", sep="\n") #ファイルを選択。 data.tmp <- grep("\\*(JPN|NS)...:\t", lines.tmp, value=T) #*で始まり # JPNかNS があって、 # その後ろに、3文字あって、 # その後ろに、コロンの記号とタブ記号がある行のみ。 body.tmp <- gsub("\\*(JPN|NS)...:\t", "", data.tmp) #行頭の記号とタブ記号を削除。 body.tmp <- body.tmp[body.tmp != ""] # 空の要素を削除(空でない要素のみを残す)する「イディオム」 body.lower <- tolower(body.tmp) # 小文字にして body.nopunc <- gsub("\\W", " ", body.lower) # 記号をスペースに body.single <- gsub(" +", " ", body.nopunc) # 重複スペースを一つに body.clear <- gsub(" $", "", body.single) # 文末スペースの削除 body.token <- unlist(strsplit(body.clear, " ")) # body.token <- body.token[body.token != ""] # 空の要素を削除する「イディオム」1 hit <- grep(a, body.token) cat(i, length(hit), "\n", file=output.file, append=T) } }
myGrep4.R
Type(異なり語)の一覧の出力
myAllTypes.R
- NICE形式のファイルの異なり語の一覧の出力
- 作業ディレクトリーをフォルダー内に
- 結果を保存するファイルをフォルダー外に作成
Token(延べ語)の一覧の出力
myAllTokens.R(302)
- NICE形式のファイルの延べ語の一覧の出力
- 作業ディレクトリーをフォルダー内に
- 結果を保存するファイルをフォルダー外に作成
語彙リストの作成
テキストファイルを選んで作成
WordFreqList.R
カレント・ディレクトリー内のすべてのテキストファイルから作成
- 作業ディレクトリーを目的のディレクトリーに移動していること
- getwd()で確認
- テキストファイルだけが入っていることを確認
- list.files()で確認
- 標準出力(コンソール画面)に出力される
- オブジェクトに保存すればそのままdata.frameとして使用可能
sample.df <- myWordList()
myWordList.R(277)
単語リストのチェック
checkWordList.R
- Wordリストにあるかどうかチェック
- ないものだけを出力
言語特徴量を算出
myTextIndex.R
- ディレクトリー内のすべてのテキストファイルの基礎的言語特徴量を算出
myIndexNICER3
- ファイル名・スコア・言語指標を取り出す
https://sugiura-ken.org/wiki/