仅将医学术语保留在文本块中？

Question

我将这本医学词典下载到R中：

url <- "https://archive.org/stream/azfamilymedicalencyclopedia/A-Z%20Family%20Medical%20Encyclopedia_djvu.txt"
destfile <- "A-Z_Family_Medical_Encyclopedia.txt" # Save it locally with this name

download.file(url, destfile)

file_content <- readLines(destfile, encoding = "UTF-8")

是否可以只保留与医疗相关的术语并删除其他所有内容？

我知道如何删除停用词，例如

library(tm)

all_text <- paste(file_content, collapse = " ")

words <- unlist(strsplit(all_text, "\\W+"))

filtered_words <- words[!tolower(words) %in% stopwords("en")]

filtered_text <- paste(filtered_words, collapse = " ")

但是有什么东西只能保留与医疗/健康相关的东西吗？ IE。技术/科学词汇？

Answer 1

您可以在此处获取医学术语列表链接。然后将它们与

%in%

进行比较，就像您之前所做的那样。