[R-br] [Wordcloud] Problema com Encoding

Sábado Setembro 30 00:15:36 -03 2017

Leonard,

Agradeço pela sua resposta e peço perdão pelo deslize.
Havia enviado, em mensagem anterior, o .txt anexo mais uma figura de imagem
(agora, no link abaixo) da saída com problema e o email caiu na moderação.

Agora, envio:
1) O Anexo SaoBento.txt (texto que uso como teste para a geração da
wordcloud);
2) A imagem da wordcloud que tenho obtido com problemas, no link abaixo:
http://www.datafilehost.com/get.php?file=3c9fa72e

Tenho executado o arquivo com CTRL+ENTER. Executei usando as opções em
"Code" e o problema persiste.

Ficaria muito agradecido por qualquer dica adicional.

Cordiais saudações,
-Max

2017-09-29 6:33 GMT-03:00 Leonard Assis via R-br <r-br em listas.c3sl.ufpr.br>:

> Max,
> Sem uma amostra dos dados que são fonte do erro fica muito dificil de te
> ajudar.
>
> Problema de encoding, eu já tive inclusive, ao compilar um .rmd via atalho
> no rstudio e não por linha de comando.
>
> Por isto é complicado te ajudar sem ter um exemplo dos dados problemáticos
>
>
> Em 27 de set de 2017 11:39 PM, "Max via R-br" <r-br em listas.c3sl.ufpr.br>
> escreveu:
>
> Pessoal, boa noite!
>
> Com base em um exemplo pego na internet, tentei fazer uma nuvem de
> palavras de um arquivo notepad (peguei uma pequena matéria na internet e
> salvei, em .txt, com o nome SaoBento).
> O código tem funcionado quase corretamente. O problema é que eu não tenho
> tido sucesso em corrigir o *encoding* do texto.
>
> - Tentei usar encoding = "UTF-8" na linha do readlines, mas sem sucesso.
> - Também tentei usar enc2native() na última linha do passo 7, mas ocorre
> erro argument is not a character vector.
> - Salvei o arquivo SaoBento.txt no Notepad++, usando UTF-8 e, também, a
> nuvem final acusou problemas de *encoding*.
> - Deixei o arquivo SaoBento.txt salvo sozinho em uma pasta e, também, não
> tive sucesso em acertar o *encoding*.
>
> Sendo assim, gostaria de saber se alguém poderia fornecer uma dica de como
> posso driblar esse problema.
>
> Agradeço pela atenção.
>
> Saudações,
> -Max Lara
>
> PS: A variável "AQUI_ERRO" é onde leio o texto "distorcido".
>
> #==============================================
> #                             WORDCLOUD
> #==============================================
>
> *#1) INSTALL REQUIRED PACKAGES*
> install.packages("tm")                         #for text mining
> install.packages("SnowballC")             #for text stemming
> install.packages("wordcloud")             #wordcloud generator
> install.packages("RColorBrewer")        #color palletes
>
> *#2) LOAD REQUIRED PACKAGES*
> library("tm")
> library("SnowballC")
> library("wordcloud")
> library("RColorBrewer")
>
> *#3) TEXT MINING*
> #LOAD THE TEXT (SAVED LOCALLY)
> text <- readLines(file.choose())
>
> *#4) LOAD THE DATA AS A CORPUS*
> docs <- Corpus(VectorSource(text))          #VectorSource() function
> creates a corpus of character vectors
> docs <- tm_map(docs, PlainTextDocument)
>
> *#5) TEXT TRANSFORMATION*
> #tm_map() function (to replace, for instance, special characters from the
> text).
> #Replacing "/", "@" and "|" with space:
>
> toSpace <- content_transformer(function (x , pattern ) gsub(pattern, " ",
> x))
> docs <- tm_map(docs, toSpace, "/")
> docs <- tm_map(docs, toSpace, "@")
> docs <- tm_map(docs, toSpace, "\\|")
>
> *#6) TEXT CLEANING*
> #tm_map() (remove unnecessary white space, to convert the text to lower
> case)
> #Removing common stopwords
>
> docs <- tm_map(docs, content_transformer(tolower))
> #Convert the text to lower case
> docs <- tm_map(docs, removeNumbers)
> #Remove numbers
> docs <- tm_map(docs, removeWords, stopwords("portuguese"))   #Remove
> Portuguese common stopwords
> docs <- tm_map(docs, removePunctuation)
> #Remove punctuations
> docs <- tm_map(docs, stripWhitespace)
> #Eliminate extra white spaces
> docs <- tm_map(docs, stemDocument)
> #Text stemming
>
> *#7) BUILD A TERM-DOCUMENT MATRIX (TDM)*
> #TDM is a table containing the frequency of the words.
> #Column names are words
> #Rown names are documents
>
> dtm <- TermDocumentMatrix(docs)
> terms(dtm)
> m <- as.matrix(dtm)
> v <- sort(rowSums(m),decreasing=TRUE)
> d <- data.frame(word = names(v),freq=v)
> head(d, 10)
> AQUI_ERRO <- d$word
>
> *#8) GENERATE THE WORD CLOUD*
> wordcloud(
>   words = AQUI_ERRO,
>   freq = d$freq,
>   min.freq = 1,
>   max.words=200,
>   random.order=FALSE,
>   rot.per=0.35,
>   colors=brewer.pal(8, "Dark2"))
>
> _______________________________________________
> R-br mailing list
> R-br em listas.c3sl.ufpr.br
> https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
> Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça
> código mínimo reproduzível.
>
>
>
> _______________________________________________
> R-br mailing list
> R-br em listas.c3sl.ufpr.br
> https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
> Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça
> código mínimo reproduzível.
>
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20170930/2542188f/attachment.html>
-------------- Próxima Parte ----------
Um sonho impensável no início da temporada se realizou na noite deste domingo (24) para colocar o São Bento entre os 40 melhores times do País: na Série B do Campeonato Brasileiro. Em um jogo controlado no primeiro tempo e nervoso na etapa final, quando atuou com um atleta a menos (João Paulo foi expulso), o Azulão segurou um empate por 0 a 0 no Estádio Municipal Walter Ribeiro (CIC). 

O Confiança até anotou um gol no primeiro tempo, quando Álvaro cobrou falta e Tito, impedido, dividiu com Rodrigo Viana antes da bola balançar a rede. Mas a melhor chance foi de Everaldo: aos 27 minutos, ele ganhou a bola no meio de campo, correu até a entrada da área e chutou forte. O veloz meia-atacante fez o mesmo no segundo tempo, aos 18': desta vez, limpou o marcador e a bola passou ao lado do goleiro Genivaldo. 

A expulsão de João Paulo, aos 25', por retardar uma cobrança de lateral, colocou os sergipanos para cima do Azulão. O nervosismo aumentou, mas não ao ponto de ameaçar uma noite histórica e um acesso comemorado por mais de nove mil beneditinos no CIC. 

São Bento - Rodrigo Viana; Muriel, Rogério, João Paulo e Marcelo Cordeiro; Fábio Bahia, Éder e Maicon Souza (Felipe Manoel); Caio Cezar (Branquinho, depois Mateus Silva), Everaldo e Anderson Cavalo. Técnico: Paulo Roberto Santos 

Confiança - Genivaldo; Cordeiro, Mímica, Anderson e Madona (Jucimar); Flávio (Thiago Silvy), Rafael Villa, Everton (André Beleza) e Tito; Frontini e Álvaro. Técnico: Ailton Silva 

Cartões amarelos - Madona, Frontini, Álvaro, Anderson, Flávio e Rafael Villa (Confiança); João Paulo e Everaldo (São Bento) 

Cartão vermelho - João Paulo (São Bento) 

Público - 9.937 torcedores 

Renda - R$ 214.720,00  

Árbitro - Dewson Fernando Freitas da Silva (FIFA- PA)  

Local - Estádio Municipal Walter Ribeiro (CIC)  