将预处理步骤应用到语料库
tm 包提供了 tm_map() 函数，可将清洗函数应用到整个语料库，从而简化清洗步骤。
tm_map() 接受两个参数：一个语料库和一个清洗函数。这里的 removeNumbers() 来自 tm 包。
corpus <- tm_map(corpus, removeNumbers)
为了兼容性，base R 和 qdap 的函数需要用 content_transformer() 包装。
corpus <- tm_map(corpus, content_transformer(replace_abbreviation))
您可能需要在多个语料库上应用相同的函数；使用像编辑器中所示的自定义函数可以为您节省时间（和代码行数）。clean_corpus() 接受一个参数 corpus，按顺序对其应用一系列清洗函数，然后返回更新后的语料库。
清洗步骤的先后顺序很重要。例如，如果先 removeNumbers() 再 replace_number()，第二个函数将找不到任何可替换的内容！请务必检查、反复检查您的结果！
本练习是课程的一部分
使用 R 的 Bag-of-Words 进行文本挖掘
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Alter the function code to match the instructions
clean_corpus <- function(corpus) {
# Remove punctuation
corpus <- tm_map(corpus, ___)
# Transform to lower case
corpus <- tm_map(corpus, ___)
# Add more stopwords
corpus <- tm_map(corpus, removeWords, words = c(stopwords("en"), "coffee", ___))
# Strip whitespace
___
return(corpus)
}