R中tm包基于txt文件生成自定义待移除词词典的实现问题

你可以按照以下步骤完成需求：

• 第一步：读取逗号分隔的停用词文件并转为字符向量
  使用scan函数可以直接读取逗号分隔的文本文件，一步完成格式转换，示例代码如下：

# 读取file.txt，返回由停用词组成的字符向量
custom_stopwords <- scan(
  file = "file.txt", 
  what = character(),  # 指定读取内容为字符串类型
  sep = ",",  # 分隔符设为逗号
  strip.white = TRUE,  # 自动去除每个词前后的空白字符
  quiet = TRUE  # 不输出读取进度信息，避免控制台冗余输出
)
# 可选：过滤空字符串，避免误删文本中的空白内容
custom_stopwords <- custom_stopwords[nzchar(custom_stopwords)]

如果你的txt文件是Windows下导出的带BOM的UTF-8文件，读取出现乱码时可以用以下兼容写法：

raw_content <- readLines("file.txt", encoding = "UTF-8-BOM")
custom_stopwords <- trimws(unlist(strsplit(raw_content, split = ",")))
custom_stopwords <- custom_stopwords[nzchar(custom_stopwords)]

• 第二步：代入tm_map完成语料清洗
  你原来的代码存在参数传递错误，removeWords需要接收停用词向量作为参数，正确调用方式如下：

corpusname <- tm_map(corpusname, content_transformer(removeWords), custom_stopwords)

如果需要同时使用tm包自带的默认停用词（比如英文停用词），可以直接拼接向量：

library(tm)
# 拼接默认英文停用词和自定义停用词
all_stopwords <- c(stopwords("english"), custom_stopwords)
corpusname <- tm_map(corpusname, content_transformer(removeWords), all_stopwords)

内容的提问来源于stack exchange，提问作者user15499252