Nothing
#' @title Limpieza de texto.
#' @description Funcion que limpia y normaliza las notas/textos.
#' @param x vector de textos al que se le aplica la
#' funcion de limpieza de texto.
#' @param rm_hashtag remueve los hashtags.
#' @param rm_emoji remueve los emojis.
#' @param rm_punt remueve la puntuacion.
#' @param rm_num remueve numeros.
#' @param rm_whitespace remueve los espacios en blanco.
#' @param rm_newline remueve los saltos de linea.
#' @param rm_cesp remueve caracteres especiales.
#' @param rm_stopwords remueve palabras vacias.
#' @param rm_dias remueve los dias de la semana.
#' @param rm_meses remueve los meses del anio.
#' @param rm_shortwords remueve las palabras cortas.
#' @param rm_url remueve las url.
#' @param rm_users remueve las menciones de usuarixs de redes sociales.
#' @param other_sw su valor por defecto es NULL, sirve para ampliar el
#' listado de stopwords con un nuevo vector de palabras.
#' @param u umbral de caracteres para la funcion rm_shortwords.
#' @param tolower convierte los textos a minusculas.
#' @importFrom utils read.delim
#' @keywords normalizacion
#' @examples
#' acep_clean("El SUTEBA fue al paro. Reclaman mejoras salariales.", rm_cesp = FALSE)
#' @export
acep_clean <- function(x,
tolower = TRUE,
rm_cesp = TRUE,
rm_emoji = TRUE,
rm_hashtag = TRUE,
rm_users = TRUE,
rm_punt = TRUE,
rm_num = TRUE,
rm_url = TRUE,
rm_meses = TRUE,
rm_dias = TRUE,
rm_stopwords = TRUE,
rm_shortwords = TRUE,
rm_newline = TRUE,
rm_whitespace = TRUE,
other_sw = NULL,
u = 1) {
if(is.vector(x) != TRUE){
mensaje <- "No ingresaste un vector en el parametro x. Vuelve a intentarlo ingresando un vector!"
return(message(mensaje))
} else {
if(is.vector(x) == TRUE) {
out <- tryCatch({
if (tolower == TRUE) {
x <- gsub(pattern = "([[:upper:]])", perl = TRUE,
replacement = "\\L\\1", x)
}
if (tolower == TRUE) {
tildes <- readRDS(url("https://observatoriodeconflictividad.org/basesdatos/tildes.rds"))
x <- chartr(tildes, tolower(tildes), x)
}
if (rm_cesp == TRUE) {
tildes <- readRDS(url("https://observatoriodeconflictividad.org/basesdatos/tildes.rds"))
sintildes <- readRDS(url("https://observatoriodeconflictividad.org/basesdatos/sintildes.rds"))
x <- chartr(tildes, sintildes, x)
}
if (rm_url == TRUE) {
x <- gsub(ACEP::acep_rs$url, "", x, perl = TRUE)
}
if (rm_emoji == TRUE) {
emojis <- utils::read.delim('https://raw.githubusercontent.com/HDyCSC/datos/main/emojis.txt', header = FALSE)$V1
x <- gsub(emojis, " ", x, perl = TRUE)
}
if (rm_hashtag == TRUE) {
x <- gsub(ACEP::acep_rs$hashtag, "", x, perl = TRUE)
}
if (rm_users == TRUE) {
x <- gsub(ACEP::acep_rs$users, "", x, perl = TRUE)
}
if (rm_punt == TRUE) {
punt1 <- utils::read.delim('https://raw.githubusercontent.com/HDyCSC/datos/main/punt1.txt', header = FALSE)$V1
x <- gsub(punt1, " ", x, perl = TRUE)
}
if (rm_num == TRUE) {
x <- gsub(ACEP::acep_rs$num, "", x, perl = TRUE)
}
if (rm_meses == TRUE) {
meses <- utils::read.delim('https://raw.githubusercontent.com/HDyCSC/datos/main/meses.txt', header = FALSE)$V1
x <- gsub(meses, "", x, perl = TRUE)
}
if (rm_dias == TRUE) {
dias <- utils::read.delim('https://raw.githubusercontent.com/HDyCSC/datos/main/dias.txt', header = FALSE)$V1
x <- gsub(dias, "", x, perl = TRUE)
}
if (rm_stopwords == TRUE) {
stopwords <- readRDS(url("https://github.com/HDyCSC/datos/raw/222dd7c060fabc2904c1ceffbea6958f9a275b57/stopwords.rds"))
if (is.null(other_sw)) {
x <- gsub(stopwords, " ", x, perl = FALSE)
} else {
othersw <- paste0("|\\b", other_sw, "\\b", collapse = "")
x <- gsub(paste0(stopwords, othersw), " ", x, perl = FALSE)
}
}
if (rm_shortwords == TRUE) {
x <- gsub(paste0("\\b[[:alpha:]]{1,", u, "}\\b"), " ", x, perl = FALSE)
}
if (rm_punt == TRUE) {
punt1 <- utils::read.delim('https://raw.githubusercontent.com/HDyCSC/datos/main/punt1.txt', header = FALSE)$V1
x <- gsub(paste0("\\b",punt1,"\\b"), "", x, perl = TRUE)
}
if (rm_newline == TRUE) {
x <- gsub(ACEP::acep_rs$saltos, " ", x, perl = TRUE)
}
if (rm_whitespace == TRUE) {
gsub(ACEP::acep_rs$espacios, "", x, perl = TRUE)
} else {
x
}
}
)
}
return(out)
}
}
Any scripts or data that you put into this service are public.
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.