Как найти все заглавные слова в корпусе в R

Question

Итак, у меня есть документ corpus, и мне нужно найти все слова, которые являются капиталом (т.е. каждый символ в этом слове является капиталом) во всех документах в Р. Я не уверен, как это найти. Я просмотрел пакет интеллектуального текста «tm» в R и нет таких функций, которые могут его найти.

Строка ввода: "Russia Is THE BiggEST cOUNTRY"

Выход требуется: "THE"

Как это сделать с помощью пакета "ТМ"?

Answer 1

Попробуйте использовать регулярное выражение.

sub('.*(\\b[A-Z]+\\b).*','\\1',string) 
#[1] "THE" 

Answer 2

Вы можете использовать gregexpr и regmatches:

unlist(regmatches(abc, gregexpr('\\b[A-Z]+\\b', abc))) 
[1] "THE" 

данные

abc <- "Russia Is THE BiggEST cOUNTRY" 

Answer 3

С stringr (если вы хотите, чтобы найти все такие слова (как вектор) с колпачками не только первая):