如何在R中将多个文本文档导入为指定结构的数据框？

方法1：基于已创建的语料库转换 #

从你现有的corpus里直接提取文档名和内容，就能生成目标结构的数据框：

# 提取所有文档的文本内容
content_list <- lapply(corpus, content)
# 提取文档名称（语料库自带的命名就是文件名）
doc_names <- names(corpus)
# 若提取的名称带路径，用这行只保留纯文件名：doc_names <- basename(names(corpus))
# 组合成数据框
doc_df <- data.frame(
  DOCUMENT = doc_names,
  CONTENT = unlist(content_list),
  stringsAsFactors = FALSE
)

方法2：跳过语料库直接读取（更高效） #

如果后续不需要用语料库做额外操作，直接批量读取文件会更简单：

# 定位目标文件夹
target_folder <- "C:/Users/folder"
# 获取所有txt文件的完整路径
txt_paths <- list.files(target_folder, pattern = "*.txt", full.names = TRUE)
# 提取纯文件名
doc_names <- basename(txt_paths)
# 批量读取每个文件的内容，合并为完整文本（避免按行拆分）
content_list <- lapply(txt_paths, function(file) {
  paste(readLines(file, warn = FALSE), collapse = "\n")
})
# 生成数据框
doc_df <- data.frame(
  DOCUMENT = doc_names,
  CONTENT = unlist(content_list),
  stringsAsFactors = FALSE
)

注意事项 #

• 如果文档有特殊编码（比如GBK），可以在readLines里添加encoding = "GBK"参数适配；
• 两种方法生成的doc_df都是你需要的两列结构，执行head(doc_df)就能快速查看结果。

内容的提问来源于stack exchange，提问作者Li4991