使用tm包预处理语料库后导出TXT文件的技术咨询

1. 导出每个预处理后的文档为单独TXT文件 #

先创建一个独立目录存放预处理后的文件，避免覆盖原始数据：

# 创建预处理文件输出目录
output_dir <- file.path("C:", "TextMining_Preprocessed")
dir.create(output_dir, recursive = TRUE, showWarnings = FALSE)

接着遍历语料库，将每个预处理后的文档写入独立TXT文件，保留原文件名并添加标记：

# 遍历语料库导出单个文件
for (i in seq_along(docs)) {
  # 获取原文档的文件名
  original_name <- docs[[i]]$meta$id
  # 构建输出文件路径
  output_path <- file.path(output_dir, paste0(original_name, "_preprocessed.txt"))
  # 写入预处理后的文本内容
  writeLines(as.character(docs[[i]]), con = output_path)
}

2. 合并为单个TXT文件（适配VOSviewer分析） #

如果不需要保留单个文件，可直接从预处理语料库提取内容合并为一个文件，方便VOSviewer读取：

# 创建合并文件的输出目录
combined_dir <- file.path("C:", "TextMining_Combined")
dir.create(combined_dir, recursive = TRUE, showWarnings = FALSE)

# 提取所有文档的预处理文本
all_processed_text <- sapply(docs, as.character)
# 用空行分隔不同文档（VOSviewer可识别这种分隔区分文档）
combined_text <- paste(all_processed_text, collapse = "\n\n")

# 写入合并后的TXT文件
writeLines(combined_text, con = file.path(combined_dir, "preprocessed_all_docs.txt"))

补充说明 #

• as.character(docs[[i]]) 用于从PlainTextDocument对象中提取纯文本内容，适配你最后一步的tm_map(docs, PlainTextDocument)转换。
• 若你已经导出了单个预处理文件，也可以用以下代码合并：

# 获取所有预处理TXT文件路径
preprocessed_files <- list.files(output_dir, pattern = "\\.txt$", full.names = TRUE)
# 读取并合并所有文件内容
combined_text_from_files <- paste(sapply(preprocessed_files, readLines), collapse = "\n\n")
# 写入合并文件
writeLines(combined_text_from_files, con = file.path(combined_dir, "preprocessed_all_docs.txt"))

内容的提问来源于stack exchange，提问作者Bilal Rashid