嘿，这个问题我之前也踩过坑！原因其实很直白：你先移除了标点符号，导致像don't这类收缩词直接变成了dont，但stopwords("smart")列表里根本没有dont这个条目——它只收录了do、not这类完整形式的停用词，自然没法匹配移除。

不用自定义停用词列表的话，只要调整处理顺序并利用quanteda内置的工具就能搞定：

核心思路 #

先拆分收缩词（把带撇号的收缩形式拆成完整单词），再移除标点、数字等冗余内容。这样拆分后的do和not会被smart停用词列表正确识别并移除，不会留下dont这类残留。

修正后的代码 #

dfm <- tokens(df$text) %>%
  tokens_contractions() %>%  # 拆分收缩词：don't → do not, I'm → I am等
  tokens_remove(punct = TRUE, numbers = TRUE, symbols = TRUE) %>%
  tokens_remove(pattern = stopwords(source = "smart")) %>%
  tokens_wordstem()

为什么这能生效？ #

• tokens_contractions()是quanteda专门处理英语收缩词的函数，能识别所有标准收缩形式并拆成对应的完整单词组合。
• 先拆分再移除标点，就不会破坏收缩词的结构，拆分出来的do和not都是smart停用词列表里的条目，后续的tokens_remove就能把它们彻底清理掉。

如果还有类似cant（来自can't）这类残留，用同样的方法也能解决——只要先处理收缩词，再做标点移除就行。

内容的提问来源于stack exchange，提问作者Nathalie