对于整洁的文本数据，储存在每行中的数据通常是单个单词，但也可以是n-gram，句子或段落。
使用unnest_tokens函数对数据进行处理
简单介绍一下unnest_tokens函数：
unnest_tokens这里使用的两个基本参数。首先，输出的列名，上面是word，然后是文本来输入列（text在本例中）。
使用之后unnest_tokens，我们将每行拆分
文本分析的流程：
就是写了傲慢与偏见的那个人，说实话这部作品的确值得一看
数据来自于Jane Austen的 janeaustenr 包
linenumber 对应的是多少行， chapter 对应的是第多少章。
要将其作为一个整洁的数据集来处理，还需要将句子转化成文更加基本的格式
此函数使用 tokenizers 包将原始数据框中的每一行文本分隔为标记。默认标记化用于单词，但其他选项包括字符，n-gram，句子，行，段落或正则表达式模式周围的分隔。
也就是修改下面这个参数：
既然数据是每行一个字的格式，我们可以使用像dplyr这样的整洁工具来操作它。通常在文本分析中，我们会想要删除停用词停用词是对分析无用的词，通常是非常常见的词，例如英语中的“the”，“of”，“to”等等。我们可以用一个删除停用词（保存在tidytext数据集中stop_words）anti_join()。
我们也可以使用 dplyr count() 来查找所有书籍中最常见的单词。
可以看见，最常见的单词是 miss
进行可视化：
因为我们一直在使用整洁的工具，所以我们的字数存储在一个整洁的数据框中。这允许我们将它直接传递给ggplot2包，例如创建最常见单词的可视化
原文链接
R语言可以读取很多文件，其中以txt文本文件最为灵活，为什么呢，txt文件可以以任意符号作为分隔符，比如“，”，“\t”，空格，甚至`“……&￥￥%￥”`等任意自定义的分隔符号。
这里先把工作空间切换到D盘下面，默认的一般是C盘的文档，我们要有分层管理文件的概念，否则我们还是一个合格的程序员吗？
>setwd('D:\\')
读取文本文件主要用read.table(filePath,header = ,sep=)
filePath就是文件路径，header表示文件是否有头部，我这个文件没有头部，值就为false，sep表示文件是以什么符号作为分隔符号。
头部是什么意思呢？
现在这里有4个文件，分别以空格，逗号，制表符，“/”作为分隔符，下面分别将其读取：
>dat <- read.table('1.txt',header = FALSE,sep = ' ')
>dat2 <- read.table('2.txt',header = FALSE,sep = ',')
>dat3 <- read.table('3.txt',header = FALSE,sep = '\t')
>dat4 <- read.table('4.txt',header = FALSE,sep = '/')
读取出来的数据都是一样的：
因为第二个文件是以逗号作为分隔符，所以也是可以用read.csv()读取的，read.csv()也是一个读取文件函数，后面会讲到。
把刚才读取的数据写入到一个新的文本文件里面，可以用write.table()，形式为：
write.table(dat,file = ,sep = ,row.names,col.names)
分别表示，
dat：被写的数据，
file：文件名（包含路径），
sep：分隔符，
row.names：是否有行名(比如第一行，第二行。。)就是行名，
col.names：是否有列名，同上，
当然了，一般行名与列名需要取有实际意义的名字，比如列名可以取（年龄、性别、成绩，这种表格相信大家应该都见过吧！）。
这里分别用" ","aaa","\t"作为分隔符，生成了3个文件。
>write.table(dat,file = '5.txt',sep = ' ')
>write.table(dat,file = '6.txt',sep = 'aaa')
>write.table(dat,file = '7.txt',sep = '\t')
这样就保存了三个文件。当然了，你可以保存成任意你喜欢、需要的分隔符号。
原文链接： 原文链接
