在 R 中用 textclean 替换表情符号对我来说并不完全有效

Question

我正在尝试将 Twitter 数据集中包含的表情符号转换为单词。我在R中使用“textclean”包，但是当使用replace_emoji时，一些表情符号被相应的单词替换，其他表情符号以其他格式显示

df_test$tweet <- textclean::replace_emoji(df_test$tweet)

我的预期输出例如“🦈 STARSHARKS 概述 🦈”类似于:

shark STARSHARKS OVERVIEW shark

相反，我得到:

<f0><9f><a6><88> STARSHARKS OVERVIEW <f0><9f><a6><88>

我遇到的另一个问题是，甚至撇号也被上述格式替换。

这对我来说有点奇怪，因为有些表情符号实际上被正确替换了。

我将非常感谢任何帮助，因为我对 R 编码还很陌生。

Answer 1

问题似乎是鲨鱼表情符号不在 lexicon::hash_emojis 数据表中。因此，您需要使用这些表情符号定义自己的 data.table。

test = "🦈 STARSHARKS OVERVIEW 🦈"

custom_emoji_dt = data.table::data.table(x = "<f0><9f><a6><88>", y = "shark")

textclean::replace_emoji(test, emoji_dt = custom_emoji_dt)
#> [1] "shark STARSHARKS OVERVIEW shark "

^{由 reprex package 于 2022 年 7 月 25 日创建(v2.0.1)}