对文件进行分词的时候 分词结果出现了乱码

[Yang, Linxi (yanglx)]

您好 

我在mac上用readLines函数对xlsx进行分词

分词结果出现的是乱码

例子用的是rmd文件 我想请问一下readLines函数对文件的类型有没有限制

我是直接用xlsx文件来进行分词 是否要转换成rmd文件？

还是有其他的原因 

谢谢！

Lynn

[qinwf]

您好，xlsx 是二进制文件，如果使用 readLines 函数来读取 xlsx 文件，readLines 函数看到的内容就像你使用记事本打开 xlsx 一样，显示的是乱码。

可以将 xlsx 使用 readxl 包读取以后，再对其中的文本进行处理。或者可以把 xlsx 保存为 csv 格式，csv 是纯文本格式，你可以用记事本打开来看里面的内容。

[qinwf]

数据导入可以阅读这个教程，http://r4ds.had.co.nz/data-import.html

我没有您的对应文件和操作系统环境，不知道为什么另存为 csv 会只剩下一个空白行。

在 2017年6月14日星期三 UTC+8上午11:04:13，Yang, Linxi (yanglx)写道：

[lynnya...@gmail.com]

您好 这个问题已经处理 谢谢

我还有另个一个问题想请教您

分完词以后有什么办法可以把形容词名词给提取出来 

当我算词频的时候 频率最高的是介词 

谢谢！

[lynnya...@gmail.com]

更具体一点的是 我想做一个词云

但当我分好词 算词频的时候 频率最高的是 例如“的” 这些词

我想请问 是否有办法在算好词频后提取出名词或者形容词 

又或者这必须在分词的时候进行？

谢谢您！

[qinwf]

可以用正则表达式来筛选文本，词性标记可以标注词的类型。