运行quanteda.textstats的textstat_summary时遇validObject错误求助

执行textstat_summary()时出现以下错误：

Error in validObject(.Object) : 
  invalid class “dfm” object: first element of 'p' slot is not 0

已定位到特定异常文件，以下是当前使用的代码：

library(quanteda)
library(quanteda.textstats)
library(tidyverse)

mlist <- list.files(pattern = "\\.txt$", full.names = TRUE)
file_names <- character()
contents <- character()
for (file in mlist) {
  content <- read_lines(file, skip = 7) 
  content <- paste(content, collapse = "\n")
  file_names <- c(file_names, basename(file))
  contents <- c(contents, content)
}

cb_list <- data.frame(filename = file_names, content = contents, stringsAsFactors = FALSE)
cb_list <- cb_list |>
  mutate(co_cik = str_extract(filename, "\\d+_")) |>
  mutate(filing_date = str_extract(filename, "_....-..-.._"))

cb_list$co_cik <- str_remove_all(cb_list$co_cik, "_")
cb_list$filing_date <- str_remove_all(cb_list$filing_date, "_")

crps <- corpus(cb_list, docid_field = "filename", text_field = "content")

text_stat_summary_cb_list <- textstat_summary(crps)

• 过滤空内容文本：在构建语料库前，移除content为空或仅含空白字符的条目，避免生成无效的dfm对象。修改代码如下：

  cb_list <- cb_list |>
    filter(str_squish(content) != "")
  

• 添加文件读取容错机制：用tryCatch包裹文件读取步骤，跳过读取失败或内容异常的文件，防止单个坏文件中断整个流程：

  for (file in mlist) {
    content <- tryCatch({
      read_lines(file, skip = 7) |> paste(collapse = "\n")
    }, error = function(e) {
      message(paste("读取文件失败：", file))
      return("")
    })
    file_names <- c(file_names, basename(file))
    contents <- c(contents, content)
  }
  

• 检查问题文件的预处理逻辑：针对已定位的异常文件，验证skip = 7是否合适——可能跳过7行后文件内容为空，或存在特殊格式导致无法生成有效token。可以手动查看该文件内容，调整skip参数或添加内容清理步骤（比如移除非文本字符）。

• 升级相关包：该错误可能是quanteda旧版本的已知bug，运行以下命令更新到最新版：

  install.packages(c("quanteda", "quanteda.textstats"))
  

内容的提问来源于stack exchange，提问作者tctrg