使用TM包处理语料库后，unlist提取content返回NA问题求助

我太懂你这种头疼的感觉了——好不容易把语料库整理好，转成data.frame结果全是NA，白忙活半天。问题出在你提取内容的方式上：TM包的文档对象（比如PlainTextDocument）不是普通的列表结构，直接用'['去取"content"键根本拿不到正确内容，得用TM专门提供的content()函数来提取每个文档的文本。

试试把代码改成这样：

# 修正后的转换代码
twitCln <- data.frame(text = unlist(sapply(twit, content)), stringsAsFactors = FALSE)

要是担心sapply的行为不稳定，也可以用更明确的lapply写法：

twitCln <- data.frame(
  text = unlist(lapply(twit, function(doc) content(doc))),
  stringsAsFactors = FALSE
)

执行完之后你再查看twitCln，应该就能看到那两条有效文本了。要是你不确定语料库的结构，还可以用str(twit[[1]])看看，能清楚看到文档内容是需要通过content()方法来访问的，而不是直接作为列表元素存在~

内容的提问来源于stack exchange，提问作者VPMACH