Odstranění URL adres a znaků jiných než písmena
Text tweetů, které uživatelé na Twitteru sdílejí, je nestrukturovaný, zašuměný a v surové podobě.
Obsahuje emotikony, URL adresy a čísla. Tyto nadbytečné informace je před analýzou potřeba vyčistit, aby výsledky byly spolehlivé.
V tomto cvičení odstraníš URL adresy a nahradíš znaky jiné než písmena mezerami.
Dataový rámec twt_telmed s 1 000 extrahovanými tweety na téma "telemedicine" je pro toto cvičení předem načtený.
Knihovna qdapRegex je pro toto cvičení předem načtená.
Toto cvičení je součástí kurzu
Analýza dat ze sociálních médií v R
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Extract tweet text from the pre-loaded dataset
twt_txt <- ___$___
head(twt_txt)