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@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@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@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.