R语言quanteda中如何查看字典POSITIVE列表的词汇？

1. 检查原字典文件格式 #

直接打开frlsd/frlsd.cat文件，确认[POSITIVE]区块的格式。Lexicoder的.cat文件规范是用[类别名]标记区块，每行一个词汇。如果[POSITIVE]区块内存在格式错误（比如多余的VÉRITÉ* (1))这类无效行、括号不匹配），会导致quanteda解析失败，只生成空条目。

2. 修复文件后重新加载 #

删除[POSITIVE]区块内的错误行（比如那个空条目对应的无效行），重新执行加载命令：

dict_lg <- quanteda::dictionary(file = "frlsd/frlsd.cat", encoding = "UTF-8")

之后调用dict_lg$POSITIVE即可正常查看正面词汇列表。

3. 手动提取正面词汇（无需修改原文件） #

如果不想改动原文件，用基础R代码直接读取并提取：

# 读取字典文件所有行
dict_lines <- readLines("frlsd/frlsd.cat", encoding = "UTF-8")
# 定位POSITIVE区块的起始与结束位置
pos_start <- which(grepl("\\[POSITIVE\\]", dict_lines)) + 1
# 判断区块结束位置（下一个类别标记或文件末尾）
next_block <- which(grepl("\\[.*\\]", dict_lines[pos_start:length(dict_lines)]))
pos_end <- if (length(next_block) > 0) {
  pos_start + next_block[1] - 2
} else {
  length(dict_lines)
}
# 提取词汇并过滤空行、注释
positive_words <- dict_lines[pos_start:pos_end]
positive_words <- positive_words[positive_words != "" & !grepl("^//", positive_words)]

执行后positive_words即为所有正面词汇的向量。

内容的提问来源于stack exchange，提问作者MG Fern