tm 0.7.3版本中如何合并已有的语料库？

我之前也踩过tm包版本升级的这个坑！在tm 0.7.x系列版本里，原本重载的c()函数行为发生了变化——合并两个VCorpus对象后返回的不再是预期的VCorpus，而是普通的list，这就导致inspect()找不到对应的方法，抛出no applicable method for 'inspect' applied to an object of class "list"的错误。

针对你需要合并已存在语料库的需求，这里有两个可靠的解决方案：

方案一：直接调用tm内部的语料库合并方法 #

tm包内部其实还保留着原来合并VCorpus的实现，只是没有通过c()暴露出来。你可以直接调用tm:::c.VCorpus来完成合并，这样得到的结果依然是标准的VCorpus对象，同时会自动保留原语料库的元数据：

library(tm)
# 你的原有代码（创建corpus1和corpus2）
a = "This is the first document."
b = "This is the second document."
c = "This is the third document."
d = "This is the fourth document."
docs1 = VectorSource(c(a,b))
docs2 = VectorSource(c(c,d))
corpus1 = Corpus(docs1)
corpus2 = Corpus(docs2)

# 使用内部方法合并
corpus3 = tm:::c.VCorpus(corpus1, corpus2)
inspect(corpus3)

运行后会输出和旧版本一致的结果：

<> Metadata: corpus specific: 0, document level (indexed): 0 Content: documents: 4

方案二：手动构造VCorpus（更稳定，不依赖内部方法） #

如果你担心内部方法后续版本会被修改，可以手动将合并后的list重新构造成VCorpus，同时保留原语料库的元数据：

# 合并得到list
corpus_list = c(corpus1, corpus2)
# 从list中提取文本内容，重新创建VCorpus
corpus3 = VCorpus(VectorSource(sapply(corpus_list, content)))
# 合并并设置原语料库的文档级元数据
meta(corpus3) = do.call(rbind, lapply(corpus_list, meta))

这个方法更灵活，即使后续tm包有调整，也能保证合并逻辑的稳定性。

补充说明 #

tm 0.7.x版本对语料库的底层结构做了优化，可能是这个调整导致c()的重载逻辑出现了问题。官方文档里提到的c()合并语料库的方法，在新版本中确实没有正常工作，这属于版本兼容的小bug，上面的两种方法都能完美解决你的需求。

内容的提问来源于stack exchange，提问作者Marijn