テキストマイニング - 私は次のようにRにテキストファイルを読んでいるキーワード

Question

で始まるテキストファイルから行を削除します。

test<-readLines("D:/AAPL MSFT Earnings Calls/Test/Test.txt") 

このファイルは、PDFから変換し、私がしたいいくつかのヘッダデータを保持しました。 〜を取り除くために。彼らは「ページ」、「マーケットキャップ」などの言葉で始まります。

TXTファイルでこれらのキーワードを含むすべての行を削除するにはどうすればよいですか？これは、その単語を含む行を削除するのとは対照的です。私はここで

setwd("C:/Users/George/Google Drive/PhD/Strategic agility/Source Data/Peripherals Earnings Calls 2016") 
text1<-readLines("test.txt") 
text 

library(purrr) 
library(stringr) 
text1 <- "foo 
Page, bar 
baz 
Market Cap, qux" 
text1 <- readLines(con = textConnection(file)) 
ignore_patterns <- c("^Page,", "^Market\\s+Cap,") 
text1 %>% discard(~ any(str_detect(.x, ignore_patterns))) 

text1 

で読むためにビットを変更し、以下の答えのいずれかを使用して

---

は、私が手に出力されます：

> text1 
[1] "foo"    "Page, bar"  "baz"    "Market Cap, qux" 

のfoo/bazに/ qux何ですか文字？

Answer 1

# once you have read and stored in a data.frame 
# perform below subsetting : 
x = grepl("^(Page|Market Cap)", df$id) # where df is you data.frame and 'id' is your 
             # column name that has those unwanted keywords 
df <- df[!x,] # does the job! 

^がスタートをチェックするのに役立ちます、ありがとうございました。だから、行がPageまたは（|）のいずれかで始まる場合Market Capその後、greplリターンTRUE

Answer 2

library(purrr) 
library(stringr) 
file <- "foo 
Page, bar 
baz 
Market Cap, qux" 
test <- readLines(con = textConnection(file)) 
ignore_patterns <- c("^Page,", "^Market\\s+Cap,") 
test %>% discard(~ any(str_detect(.x, ignore_patterns)))