土耳其人物问题在绘制图形的图表时问题

Question

我有一个数据集，其中包括土耳其语的推文。我正在尝试使用TM软件包进行文本挖掘，并使用IGRAPH R软件包绘制网络。

    library(tm)
#build corpus
corpus <- iconv(deneme$text, to= "utf-8-mac")
corpus <- Corpus(VectorSource(corpus))
removeURL <- function(x) gsub('http[[:alnum:]]*', '', x)
cleanset <- tm_map(corpus, content_transformer(removeURL))
cleanset <- tm_map(cleanset, stripWhitespace)
#term document matrix
tdm <- TermDocumentMatrix(cleanset)
tdm <- as.matrix(tdm)
tdm <- tdm[rowSums(tdm)>30,]
tdm[tdm>1] <- 1
termM <- tdm %*% t(tdm)
#Network
g <- graph.adjacency(termM, weighted = T, mode = 'undirected') 
g <- simplify(g)
V(g)$label <- V(g)$name
V(g)$degree <- degree(g)
#plot
plot(g,
     vertex.color='green',
     vertex.size = 3,
     vertex.label.dist = 1.5)

Output plot

Turkish charachters such as "ş ğ ü" do not appear correctly.有什么问题？

这是我的R Studio语言环境设置：

Sys.getlocale()
[1] "en_US.UTF-8/en_US.UTF-8/en_US.UTF-8/C/en_US.UTF-8/en_US.UTF-8"

Answer 1

我尝试使用 iconvlist() 中的所有可用编码将 iconv() 函数应用于 ş,ğ,ü 字符，但没有任何内容可以打印这些角色完美地出现在 R 控制台和剧情中。我通过使用以下代码做到了这一点：

encoded_text <- list()
for (i in seq_along(iconvlist())) {
  tryCatch(print(eval(substitute(
    encoded_text[[i]] <- unlist(lapply(c("s", "g", "ü"), iconv,
      to = iconvlist()[i]
    ))
  ))),
  error = function(any_error_msg) message(as.character(any_error_msg))
  )
}

#To show all the results: 
encoded_text

我还尝试了 utf-8 包中的 utf8_print("ş,ğ,ü") ，但也失败了。

最后，我找到了readtext包。该软件包可以在我的计算机的控制台和绘图上正确打印这些字符。但是，该包的当前版本（v0.81）只能读取文件，而不能读取字符向量。因此，为了使用这个包，我在记事本中输入了这些字符，并用逗号分隔，然后使用 .txt 扩展名保存了该文件。

然后，我使用此代码提取这些字符：

library(readtext)
mytext <- readtext('turkish_text.txt', encoding = 'utf-8')
mytext <- unlist(strsplit(mytext$text, ","))
mytext
#[1] "ş" "ğ" "ü"

它们正确地打印在控制台上。然后，我尝试将它们打印在 igraph 对象的绘图上。

adjm <- matrix(1:9, nc=3)
g1 <- graph_from_adjacency_matrix( adjm )
g1 <- g1 %>% set_vertex_attr("name", value = mytext)
plot(g1)

这是结果图：

字符正确打印在绘图上。

当然不能保证这种方法适用于其他土耳其字符，但我认为值得尝试。