RプログラミングのHashtag Extract関数

Question

Rでハッシュタグ抽出関数を作成しようとしています。この関数は、投稿からハッシュタグを抽出します。あれば、空白を返します。私は

hashatag_extract(string) 

として、それを適用したいMy機能は

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 

のようなものです。しかし、私の機能が動作していない、私にerrors.like第一にエラーが

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

あるのトンを示すと、答えは次のようになります

#letsdoit ##Tonewbeginnign #route 

そして最終的に私はサプリを使用してこの機能を列全体に適用します。そのため、If部分が重要です。 Rのための重要なわけではないので、Rのための私のインデントを無視するが、すべての提案は役に立ち

Answer 1

1. ハッシュタグの正規表現が
2. それほど単純ではありませんされます私はあなたがのために一般的に受け入れられている「ルール」を理解していないしてくださいハッシュタグ
3. 私はstr_extract_all()あなたはそれだけでRLYツイート
を分析停止する必要が stringr機能が
4. 人々の上に構築されているstringiを使用
5. と思われるもの戻っているとは思いません「

   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" 
   

   は、あなたは、各入力ベクトルにグループ化するハッシュタグの各セットが必要な場合は、機能を微調整する必要がありますが、あなたは本当にdidnの：

これは、全てではないが、例をほとんどを処理する必要がありますあなたが実際に成し遂げようとしていることについて多くの詳細を提供します。

Answer 2

@manu sharma私はあなたが他の場合は内部に適用する必要はないと言います。一致しない行が 'NA'として値をとるようにします。関数を適用した後、それを空白に変更します。 は私のコードがあなたのお役に立てば幸いです：

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

すべてのヘルプのおかげでみんな、私はそれが何らかの形で働いていました、それはメッセージ

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

上のすべてのNASを1.replacing Shaliniの答え とほぼ似ていると思いました全カラムに関数を適用しハッシュタグ

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

を抽出する2.function 0

hashtags= sapply(message, hashtag_extrac)