Comment diviser des mots dans R tout en gardant les contractions

Question

J'essaie de transformer un vecteur de caractères novel.lower.mid en une liste de mots simples. Jusqu'à présent, c'est le code que j'ai utilisé:

midnight.words.l <- strsplit(novel.lower.mid, "\\W") 

Ceci donne une liste de tous les mots. Cependant, il divise tout, y compris les contractions. Le mot "ne peut pas" devient "peut" et "t". Comment est-ce que je m'assure que ces mots ne sont pas séparés, ou que la fonction ignore juste l'apostrophe?

Answer 1

Nous pouvons utiliser

library(stringr) 
str_extract_all(novel.lower.mid, "\\b[[:alnum:]']+\\b") 

Ou

strsplit(novel.lower.mid, "(?!')\\W", perl=TRUE) 

Answer 2

Si vous voulez juste votre "\ W" courant ouvrants de ne pas inclure apostrophes, nier \w et ':

novel.lower.mid <- c("I won't eat", "green eggs and", "ham") 
strsplit(novel.lower.mid, "[^\\w']", perl=T) 
# [[1]] 
# [1] "I"  "won't" "eat" 
# 
# [[2]] 
# [1] "green" "eggs" "and" 
# 
# [[3]] 
# [1] "ham"