R语言Quanteda包同时移除内置与自定义停用词报错如何解决？

之前方案的报错原因 #

• 第一种方案：stopwords() 函数的第二个参数为预设停用词库来源参数，不支持直接传入自定义停用词对象，因此触发未使用参数报错。
• 第二种方案：stopwords() 仅接受官方预设的语言名称作为第一个参数，传入自定义的向量名称无法匹配到对应停用词库，因此报错。
• 第三种方案：混用tm与quanteda功能无必要，同时两个报错分别来自txt文件末行无换行符、自定义停用词中包含正则特殊字符导致removeWords的正则匹配失败。

正确实现代码 #

quanteda的dfm()函数的remove参数原生支持直接传入自定义字符向量，因此只需要将两类停用词合并后直接传入即可：

library(quanteda)

# 步骤1：提取自定义停用词为字符向量，假设自定义停用词存储在stpw数据框的第一列
custom_stpw <- as.character(stpw[[1]])
# 可选：对停用词去重、去除空值
custom_stpw <- unique(na.omit(custom_stpw))

# 步骤2：合并西班牙语通用停用词与自定义停用词
all_stpw <- c(stopwords("spanish"), custom_stpw)

# 步骤3：构建dfm时直接传入合并后的停用词向量
fmsi_des <- dfm(corpus_des, remove = all_stpw, verbose = TRUE,
                remove_punct = TRUE, remove_numbers = TRUE)

如果需要从txt文件读取自定义停用词，可以用以下代码替换步骤1的自定义停用词提取逻辑：

# 读取txt停用词，warn=FALSE可关闭末行无换行的警告
custom_stpw <- readLines("stpw.txt", warn = FALSE)
# 去除空行
custom_stpw <- custom_stpw[custom_stpw != ""]

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