如何将经stringi编辑后的文本导入Quanteda并保留原文本？

• 第一步：完整读取原始文本，保留原始数据
  用readtext包读取文件，把原始文本和文档变量都存下来，这样原始内容不会丢失：

  library(readtext)
  library(stringi)
  library(quanteda)
  
  # 读取extdata下的所有文本文件，递归读取子目录内容
  raw_data <- readtext(system.file("extdata/", package = "readtext"), recursive = TRUE)
  

• 第二步：生成处理后的文本列
  在原始数据框里新增一列，专门存放经过stringi替换后的文本，这样原始文本（raw_data$text）完全不受影响：

  raw_data$processed_text <- stri_replace_all_regex(raw_data$text, "Whereas.*Whereas\n{2}", "")
  

• 第三步：将处理后的文本导入quanteda
  直接用处理后的文本列创建quanteda的语料库，同时可以把原始的文档变量（比如文件名、路径）一并带入，方便后续分析时溯源：

  # 创建用于分析的处理后语料库
  processed_corpus <- corpus(raw_data$processed_text, docvars = docvars(raw_data))
  

这样操作后，raw_data里保留了全部原始文本，processed_corpus就是你需要的、经过编辑后的quanteda语料库，两边需求都能满足。

内容的提问来源于stack exchange，提问作者bgreen