从tweets中删除正确的英语单词

Question

我正在使用R处理twitter数据，并试图从tweet中删除所有正确的英语单词。这个想法是看一个特定的人口使用的口语缩写，打字错误和俚语，我记录了他们的推特。你知道吗

示例：

    tweet <- c("Trying to find the solution frustrated af")

做完上述手术后，我只想做“af”

我想用字典（我会下载）来清洗tweets，但肯定有一个更简单的选择。 Python中的任何解决方案也会有所帮助。你知道吗

Answer 1

另一个基于拼写的解决方案使用了一个相当新的有趣的package：

# install.packages("hunspell") # uncomment & run if needed
library(hunspell)
tweet <- c("Trying to find the solution frustrated af")
( tokens <- strsplit(tweet, " ")[[1]] )
# [1] "Trying"     "to"         "find"       "the"        "solution"   "frustrated" "af"        
tokens[!hunspell_check(tokens), dict = "en_US"]
# [1] "af"