Reto 01
2023-08-31
R Markdown
Webscraping
Descarga de documentos a través de Webscraping en R para tener los textos de las Conferencias de la Mañanera del presidente Andrés Manuel López Obrador del 2023, del 01 de enero al 31 de Agosto
library(rvest)
library(magrittr)
#Esta librería aumenta la clairdad de la lectura de un archivo, medaynte %>% que es una sintaxis en cadena, de forma que el operador %> % coge el output ('la salida') de una sentencia de código y la convierte en el input ('el argumento') de una nueva sentencia.
url <- "https://www.gob.mx/presidencia/articulos/version-estenografica-conferencia-de-prensa-del-presidente-andres-manuel-lopez-obrador-del-9-de-agosto-de-2023"
pagina <- read_html(url)
# Recuerda reemplazar "XPATH_o_CSS_selector" con el selector adecuado
texto <- pagina %>%
#html_nodes("XPATH_o_CSS_selector") %>%
html_text()
fecha_conferencia <- "9_de_agosto_de_2023" # Esta es una forma simple, pero puedes obtener la fecha de la URL o de otra parte si es dinámica.
nombre_archivo <- paste0("conferencia_", fecha_conferencia, ".txt")
writeLines(texto, nombre_archivo)
fechas <- seq.Date(as.Date("2023-01-01"), as.Date("2023-08-31"), by="days")
#Guardando archivo en .txt
scrape_y_guarda <- function(fecha) {
# Cambia el local a español
Sys.setlocale("LC_TIME", "es_ES.UTF-8")
# Formatea la fecha para la URL
day <- as.numeric(format(fecha, "%d"))
month <- format(fecha, "%B")
#month_NUM <- FORMAT(FECHA, "%M")
year <- format(fecha, "%Y")
fecha_url <- paste(day, "de", month, "de", year, sep="-")
url <- paste0("https://www.gob.mx/presidencia/articulos/version-estenografica-conferencia-de-prensa-del-presidente-andres-manuel-lopez-obrador-del-", fecha_url)
pagina <- read_html(url)
# Suponiendo que el contenido de la conferencia está en un selector específico, como <div class="contenido-conferencia">
# (es necesario verificar y ajustar este selector de acuerdo al código fuente real de la página)
texto <- pagina %>%
#html_nodes(".contenido-conferencia") %>% # <-- reemplaza ".contenido-conferencia" con el selector CSS correcto
html_text()
# Crea el nombre del archivo y lo guarda
nombre_archivo <- paste0("conferencia_", gsub("-de-", "_", fecha_url), ".txt")
writeLines(texto, nombre_archivo)
}
lapply(fechas, scrape_y_guarda)## [[1]]
## NULL
##
## [[2]]
## NULL
##
## [[3]]
## NULL
##
## [[4]]
## NULL
##
## [[5]]
## NULL
##
## [[6]]
## NULL
##
## [[7]]
## NULL
##
## [[8]]
## NULL
##
## [[9]]
## NULL
##
## [[10]]
## NULL
##
## [[11]]
## NULL
##
## [[12]]
## NULL
##
## [[13]]
## NULL
##
## [[14]]
## NULL
##
## [[15]]
## NULL
##
## [[16]]
## NULL
##
## [[17]]
## NULL
##
## [[18]]
## NULL
##
## [[19]]
## NULL
##
## [[20]]
## NULL
##
## [[21]]
## NULL
##
## [[22]]
## NULL
##
## [[23]]
## NULL
##
## [[24]]
## NULL
##
## [[25]]
## NULL
##
## [[26]]
## NULL
##
## [[27]]
## NULL
##
## [[28]]
## NULL
##
## [[29]]
## NULL
##
## [[30]]
## NULL
##
## [[31]]
## NULL
##
## [[32]]
## NULL
##
## [[33]]
## NULL
##
## [[34]]
## NULL
##
## [[35]]
## NULL
##
## [[36]]
## NULL
##
## [[37]]
## NULL
##
## [[38]]
## NULL
##
## [[39]]
## NULL
##
## [[40]]
## NULL
##
## [[41]]
## NULL
##
## [[42]]
## NULL
##
## [[43]]
## NULL
##
## [[44]]
## NULL
##
## [[45]]
## NULL
##
## [[46]]
## NULL
##
## [[47]]
## NULL
##
## [[48]]
## NULL
##
## [[49]]
## NULL
##
## [[50]]
## NULL
##
## [[51]]
## NULL
##
## [[52]]
## NULL
##
## [[53]]
## NULL
##
## [[54]]
## NULL
##
## [[55]]
## NULL
##
## [[56]]
## NULL
##
## [[57]]
## NULL
##
## [[58]]
## NULL
##
## [[59]]
## NULL
##
## [[60]]
## NULL
##
## [[61]]
## NULL
##
## [[62]]
## NULL
##
## [[63]]
## NULL
##
## [[64]]
## NULL
##
## [[65]]
## NULL
##
## [[66]]
## NULL
##
## [[67]]
## NULL
##
## [[68]]
## NULL
##
## [[69]]
## NULL
##
## [[70]]
## NULL
##
## [[71]]
## NULL
##
## [[72]]
## NULL
##
## [[73]]
## NULL
##
## [[74]]
## NULL
##
## [[75]]
## NULL
##
## [[76]]
## NULL
##
## [[77]]
## NULL
##
## [[78]]
## NULL
##
## [[79]]
## NULL
##
## [[80]]
## NULL
##
## [[81]]
## NULL
##
## [[82]]
## NULL
##
## [[83]]
## NULL
##
## [[84]]
## NULL
##
## [[85]]
## NULL
##
## [[86]]
## NULL
##
## [[87]]
## NULL
##
## [[88]]
## NULL
##
## [[89]]
## NULL
##
## [[90]]
## NULL
##
## [[91]]
## NULL
##
## [[92]]
## NULL
##
## [[93]]
## NULL
##
## [[94]]
## NULL
##
## [[95]]
## NULL
##
## [[96]]
## NULL
##
## [[97]]
## NULL
##
## [[98]]
## NULL
##
## [[99]]
## NULL
##
## [[100]]
## NULL
##
## [[101]]
## NULL
##
## [[102]]
## NULL
##
## [[103]]
## NULL
##
## [[104]]
## NULL
##
## [[105]]
## NULL
##
## [[106]]
## NULL
##
## [[107]]
## NULL
##
## [[108]]
## NULL
##
## [[109]]
## NULL
##
## [[110]]
## NULL
##
## [[111]]
## NULL
##
## [[112]]
## NULL
##
## [[113]]
## NULL
##
## [[114]]
## NULL
##
## [[115]]
## NULL
##
## [[116]]
## NULL
##
## [[117]]
## NULL
##
## [[118]]
## NULL
##
## [[119]]
## NULL
##
## [[120]]
## NULL
##
## [[121]]
## NULL
##
## [[122]]
## NULL
##
## [[123]]
## NULL
##
## [[124]]
## NULL
##
## [[125]]
## NULL
##
## [[126]]
## NULL
##
## [[127]]
## NULL
##
## [[128]]
## NULL
##
## [[129]]
## NULL
##
## [[130]]
## NULL
##
## [[131]]
## NULL
##
## [[132]]
## NULL
##
## [[133]]
## NULL
##
## [[134]]
## NULL
##
## [[135]]
## NULL
##
## [[136]]
## NULL
##
## [[137]]
## NULL
##
## [[138]]
## NULL
##
## [[139]]
## NULL
##
## [[140]]
## NULL
##
## [[141]]
## NULL
##
## [[142]]
## NULL
##
## [[143]]
## NULL
##
## [[144]]
## NULL
##
## [[145]]
## NULL
##
## [[146]]
## NULL
##
## [[147]]
## NULL
##
## [[148]]
## NULL
##
## [[149]]
## NULL
##
## [[150]]
## NULL
##
## [[151]]
## NULL
##
## [[152]]
## NULL
##
## [[153]]
## NULL
##
## [[154]]
## NULL
##
## [[155]]
## NULL
##
## [[156]]
## NULL
##
## [[157]]
## NULL
##
## [[158]]
## NULL
##
## [[159]]
## NULL
##
## [[160]]
## NULL
##
## [[161]]
## NULL
##
## [[162]]
## NULL
##
## [[163]]
## NULL
##
## [[164]]
## NULL
##
## [[165]]
## NULL
##
## [[166]]
## NULL
##
## [[167]]
## NULL
##
## [[168]]
## NULL
##
## [[169]]
## NULL
##
## [[170]]
## NULL
##
## [[171]]
## NULL
##
## [[172]]
## NULL
##
## [[173]]
## NULL
##
## [[174]]
## NULL
##
## [[175]]
## NULL
##
## [[176]]
## NULL
##
## [[177]]
## NULL
##
## [[178]]
## NULL
##
## [[179]]
## NULL
##
## [[180]]
## NULL
##
## [[181]]
## NULL
##
## [[182]]
## NULL
##
## [[183]]
## NULL
##
## [[184]]
## NULL
##
## [[185]]
## NULL
##
## [[186]]
## NULL
##
## [[187]]
## NULL
##
## [[188]]
## NULL
##
## [[189]]
## NULL
##
## [[190]]
## NULL
##
## [[191]]
## NULL
##
## [[192]]
## NULL
##
## [[193]]
## NULL
##
## [[194]]
## NULL
##
## [[195]]
## NULL
##
## [[196]]
## NULL
##
## [[197]]
## NULL
##
## [[198]]
## NULL
##
## [[199]]
## NULL
##
## [[200]]
## NULL
##
## [[201]]
## NULL
##
## [[202]]
## NULL
##
## [[203]]
## NULL
##
## [[204]]
## NULL
##
## [[205]]
## NULL
##
## [[206]]
## NULL
##
## [[207]]
## NULL
##
## [[208]]
## NULL
##
## [[209]]
## NULL
##
## [[210]]
## NULL
##
## [[211]]
## NULL
##
## [[212]]
## NULL
##
## [[213]]
## NULL
##
## [[214]]
## NULL
##
## [[215]]
## NULL
##
## [[216]]
## NULL
##
## [[217]]
## NULL
##
## [[218]]
## NULL
##
## [[219]]
## NULL
##
## [[220]]
## NULL
##
## [[221]]
## NULL
##
## [[222]]
## NULL
##
## [[223]]
## NULL
##
## [[224]]
## NULL
##
## [[225]]
## NULL
##
## [[226]]
## NULL
##
## [[227]]
## NULL
##
## [[228]]
## NULL
##
## [[229]]
## NULL
##
## [[230]]
## NULL
##
## [[231]]
## NULL
##
## [[232]]
## NULL
##
## [[233]]
## NULL
##
## [[234]]
## NULL
##
## [[235]]
## NULL
##
## [[236]]
## NULL
##
## [[237]]
## NULL
##
## [[238]]
## NULL
##
## [[239]]
## NULL
##
## [[240]]
## NULL
##
## [[241]]
## NULL
##
## [[242]]
## NULL
##
## [[243]]
## NULLEliminar archivos que no contengan contenido de la mañanera
# Lista de archivos .txt en la carpeta
archivos_txt <- list.files(pattern = "*.txt")
# Frase específica que deseas buscar
frase_especifica <- "Conferencia de prensa del presidente Andrés Manuel López Obrador"
archivos <- lapply(archivos_txt, function(archivo) {
contenido <- readLines(archivo, warn = FALSE)
if (any(grepl(frase_especifica, contenido))) {
return(archivo)
} else {
unlink(archivo)
return(NULL)
}
})
archivos <- Filter(Negate(is.null), archivos)
archivos## [[1]]
## [1] "conferencia_1_agosto_2023.txt"
##
## [[2]]
## [1] "conferencia_1_febrero_2023.txt"
##
## [[3]]
## [1] "conferencia_1_junio_2023.txt"
##
## [[4]]
## [1] "conferencia_1_marzo_2023.txt"
##
## [[5]]
## [1] "conferencia_1_mayo_2023.txt"
##
## [[6]]
## [1] "conferencia_10_abril_2023.txt"
##
## [[7]]
## [1] "conferencia_10_agosto_2023.txt"
##
## [[8]]
## [1] "conferencia_10_febrero_2023.txt"
##
## [[9]]
## [1] "conferencia_10_marzo_2023.txt"
##
## [[10]]
## [1] "conferencia_10_mayo_2023.txt"
##
## [[11]]
## [1] "conferencia_11_abril_2023.txt"
##
## [[12]]
## [1] "conferencia_11_agosto_2023.txt"
##
## [[13]]
## [1] "conferencia_12_abril_2023.txt"
##
## [[14]]
## [1] "conferencia_12_enero_2023.txt"
##
## [[15]]
## [1] "conferencia_12_julio_2023.txt"
##
## [[16]]
## [1] "conferencia_12_junio_2023.txt"
##
## [[17]]
## [1] "conferencia_12_mayo_2023.txt"
##
## [[18]]
## [1] "conferencia_13_abril_2023.txt"
##
## [[19]]
## [1] "conferencia_13_enero_2023.txt"
##
## [[20]]
## [1] "conferencia_13_febrero_2023.txt"
##
## [[21]]
## [1] "conferencia_13_julio_2023.txt"
##
## [[22]]
## [1] "conferencia_13_junio_2023.txt"
##
## [[23]]
## [1] "conferencia_13_marzo_2023.txt"
##
## [[24]]
## [1] "conferencia_14_abril_2023.txt"
##
## [[25]]
## [1] "conferencia_14_agosto_2023.txt"
##
## [[26]]
## [1] "conferencia_14_febrero_2023.txt"
##
## [[27]]
## [1] "conferencia_14_junio_2023.txt"
##
## [[28]]
## [1] "conferencia_14_marzo_2023.txt"
##
## [[29]]
## [1] "conferencia_15_agosto_2023.txt"
##
## [[30]]
## [1] "conferencia_15_febrero_2023.txt"
##
## [[31]]
## [1] "conferencia_15_junio_2023.txt"
##
## [[32]]
## [1] "conferencia_15_marzo_2023.txt"
##
## [[33]]
## [1] "conferencia_16_agosto_2023.txt"
##
## [[34]]
## [1] "conferencia_16_enero_2023.txt"
##
## [[35]]
## [1] "conferencia_16_febrero_2023.txt"
##
## [[36]]
## [1] "conferencia_16_junio_2023.txt"
##
## [[37]]
## [1] "conferencia_16_marzo_2023.txt"
##
## [[38]]
## [1] "conferencia_16_mayo_2023.txt"
##
## [[39]]
## [1] "conferencia_17_abril_2023.txt"
##
## [[40]]
## [1] "conferencia_17_agosto_2023.txt"
##
## [[41]]
## [1] "conferencia_17_enero_2023.txt"
##
## [[42]]
## [1] "conferencia_17_febrero_2023.txt"
##
## [[43]]
## [1] "conferencia_17_marzo_2023.txt"
##
## [[44]]
## [1] "conferencia_17_mayo_2023.txt"
##
## [[45]]
## [1] "conferencia_18_abril_2023.txt"
##
## [[46]]
## [1] "conferencia_18_enero_2023.txt"
##
## [[47]]
## [1] "conferencia_18_julio_2023.txt"
##
## [[48]]
## [1] "conferencia_18_marzo_2023.txt"
##
## [[49]]
## [1] "conferencia_18_mayo_2023.txt"
##
## [[50]]
## [1] "conferencia_19_abril_2023.txt"
##
## [[51]]
## [1] "conferencia_19_enero_2023.txt"
##
## [[52]]
## [1] "conferencia_19_julio_2023.txt"
##
## [[53]]
## [1] "conferencia_19_junio_2023.txt"
##
## [[54]]
## [1] "conferencia_19_mayo_2023.txt"
##
## [[55]]
## [1] "conferencia_2_agosto_2023.txt"
##
## [[56]]
## [1] "conferencia_2_enero_2023.txt"
##
## [[57]]
## [1] "conferencia_2_febrero_2023.txt"
##
## [[58]]
## [1] "conferencia_2_marzo_2023.txt"
##
## [[59]]
## [1] "conferencia_2_mayo_2023.txt"
##
## [[60]]
## [1] "conferencia_20_abril_2023.txt"
##
## [[61]]
## [1] "conferencia_20_enero_2023.txt"
##
## [[62]]
## [1] "conferencia_20_febrero_2023.txt"
##
## [[63]]
## [1] "conferencia_20_julio_2023.txt"
##
## [[64]]
## [1] "conferencia_20_junio_2023.txt"
##
## [[65]]
## [1] "conferencia_21_abril_2023.txt"
##
## [[66]]
## [1] "conferencia_21_agosto_2023.txt"
##
## [[67]]
## [1] "conferencia_21_febrero_2023.txt"
##
## [[68]]
## [1] "conferencia_21_julio_2023.txt"
##
## [[69]]
## [1] "conferencia_21_junio_2023.txt"
##
## [[70]]
## [1] "conferencia_21_marzo_2023.txt"
##
## [[71]]
## [1] "conferencia_22_agosto_2023.txt"
##
## [[72]]
## [1] "conferencia_22_febrero_2023.txt"
##
## [[73]]
## [1] "conferencia_22_junio_2023.txt"
##
## [[74]]
## [1] "conferencia_22_marzo_2023.txt"
##
## [[75]]
## [1] "conferencia_23_agosto_2023.txt"
##
## [[76]]
## [1] "conferencia_23_enero_2023.txt"
##
## [[77]]
## [1] "conferencia_23_febrero_2023.txt"
##
## [[78]]
## [1] "conferencia_23_junio_2023.txt"
##
## [[79]]
## [1] "conferencia_23_marzo_2023.txt"
##
## [[80]]
## [1] "conferencia_23_mayo_2023.txt"
##
## [[81]]
## [1] "conferencia_24_abril_2023.txt"
##
## [[82]]
## [1] "conferencia_24_agosto_2023.txt"
##
## [[83]]
## [1] "conferencia_24_enero_2023.txt"
##
## [[84]]
## [1] "conferencia_24_febrero_2023.txt"
##
## [[85]]
## [1] "conferencia_24_julio_2023.txt"
##
## [[86]]
## [1] "conferencia_24_marzo_2023.txt"
##
## [[87]]
## [1] "conferencia_25_agosto_2023.txt"
##
## [[88]]
## [1] "conferencia_25_enero_2023.txt"
##
## [[89]]
## [1] "conferencia_25_julio_2023.txt"
##
## [[90]]
## [1] "conferencia_25_mayo_2023.txt"
##
## [[91]]
## [1] "conferencia_26_abril_2023.txt"
##
## [[92]]
## [1] "conferencia_26_enero_2023.txt"
##
## [[93]]
## [1] "conferencia_26_mayo_2023.txt"
##
## [[94]]
## [1] "conferencia_27_abril_2023.txt"
##
## [[95]]
## [1] "conferencia_27_enero_2023.txt"
##
## [[96]]
## [1] "conferencia_27_julio_2023.txt"
##
## [[97]]
## [1] "conferencia_27_junio_2023.txt"
##
## [[98]]
## [1] "conferencia_28_abril_2023.txt"
##
## [[99]]
## [1] "conferencia_28_febrero_2023.txt"
##
## [[100]]
## [1] "conferencia_28_junio_2023.txt"
##
## [[101]]
## [1] "conferencia_28_marzo_2023.txt"
##
## [[102]]
## [1] "conferencia_29_agosto_2023.txt"
##
## [[103]]
## [1] "conferencia_29_junio_2023.txt"
##
## [[104]]
## [1] "conferencia_29_marzo_2023.txt"
##
## [[105]]
## [1] "conferencia_29_mayo_2023.txt"
##
## [[106]]
## [1] "conferencia_3_abril_2023.txt"
##
## [[107]]
## [1] "conferencia_3_enero_2023.txt"
##
## [[108]]
## [1] "conferencia_3_febrero_2023.txt"
##
## [[109]]
## [1] "conferencia_3_marzo_2023.txt"
##
## [[110]]
## [1] "conferencia_3_mayo_2023.txt"
##
## [[111]]
## [1] "conferencia_30_agosto_2023.txt"
##
## [[112]]
## [1] "conferencia_30_enero_2023.txt"
##
## [[113]]
## [1] "conferencia_30_junio_2023.txt"
##
## [[114]]
## [1] "conferencia_30_marzo_2023.txt"
##
## [[115]]
## [1] "conferencia_30_mayo_2023.txt"
##
## [[116]]
## [1] "conferencia_31_agosto_2023.txt"
##
## [[117]]
## [1] "conferencia_31_enero_2023.txt"
##
## [[118]]
## [1] "conferencia_31_julio_2023.txt"
##
## [[119]]
## [1] "conferencia_31_marzo_2023.txt"
##
## [[120]]
## [1] "conferencia_31_mayo_2023.txt"
##
## [[121]]
## [1] "conferencia_4_abril_2023.txt"
##
## [[122]]
## [1] "conferencia_4_enero_2023.txt"
##
## [[123]]
## [1] "conferencia_4_mayo_2023.txt"
##
## [[124]]
## [1] "conferencia_5_enero_2023.txt"
##
## [[125]]
## [1] "conferencia_5_junio_2023.txt"
##
## [[126]]
## [1] "conferencia_5_mayo_2023.txt"
##
## [[127]]
## [1] "conferencia_6_enero_2023.txt"
##
## [[128]]
## [1] "conferencia_6_febrero_2023.txt"
##
## [[129]]
## [1] "conferencia_6_junio_2023.txt"
##
## [[130]]
## [1] "conferencia_6_marzo_2023.txt"
##
## [[131]]
## [1] "conferencia_7_febrero_2023.txt"
##
## [[132]]
## [1] "conferencia_7_junio_2023.txt"
##
## [[133]]
## [1] "conferencia_7_marzo_2023.txt"
##
## [[134]]
## [1] "conferencia_8_agosto_2023.txt"
##
## [[135]]
## [1] "conferencia_8_febrero_2023.txt"
##
## [[136]]
## [1] "conferencia_8_junio_2023.txt"
##
## [[137]]
## [1] "conferencia_8_marzo_2023.txt"
##
## [[138]]
## [1] "conferencia_8_mayo_2023.txt"
##
## [[139]]
## [1] "conferencia_9_agosto_2023.txt"
##
## [[140]]
## [1] "conferencia_9_de_agosto_de_2023.txt"
##
## [[141]]
## [1] "conferencia_9_enero_2023.txt"
##
## [[142]]
## [1] "conferencia_9_febrero_2023.txt"
##
## [[143]]
## [1] "conferencia_9_junio_2023.txt"
##
## [[144]]
## [1] "conferencia_9_marzo_2023.txt"Limpieza del texto: que solo quede la transcripción de la mañanera y nada más
# Función para procesar un archivo
procesar_archivo <- function(archivo) {
# Leer el contenido del archivo
contenido <- readLines(archivo, warn = FALSE)
# Buscar la primera aparición de "PRESIDENTE ANDRÉS MANUEL LÓPEZ OBRADOR:"
inicio <- grep("PRESIDENTE ANDRÉS MANUEL LÓPEZ OBRADOR:", contenido, ignore.case = TRUE)
# Buscar la primera aparición de "---"
fin <- grep("---", contenido)
# Verificar si se encontraron las marcas de inicio y fin
if (length(inicio) > 0 && length(fin) > 0) {
# Extraer el contenido entre las marcas de inicio y fin
nuevo_contenido <- contenido[(inicio + 1):(fin - 1)]
# Escribir el nuevo contenido de vuelta al archivo
writeLines(nuevo_contenido, con = archivo)
}
}
# Aplicar la función a cada archivo en la lista
lapply(archivos, procesar_archivo)## Warning in (inicio + 1):(fin - 1): numerical expression has 100 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 59 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 22 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 25 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 53 elements: only
## the first used
## Warning in (inicio + 1):(fin - 1): numerical expression has 53 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 33 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 29 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 23 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 58 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 50 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 51 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 59 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 89 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 52 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 37 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 27 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 58 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 36 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 61 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 50 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 34 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 58 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 48 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 38 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 36 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 55 elements: only
## the first used
## Warning in (inicio + 1):(fin - 1): numerical expression has 55 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 21 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 41 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 37 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 62 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 11 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 54 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 63 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 30 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 23 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 35 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 30 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 43 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 56 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 25 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 51 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 45 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 32 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 10 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 30 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 33 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 57 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 41 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 20 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 43 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 52 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 40 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 37 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 56 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 36 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 47 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 35 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 28 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 35 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 47 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 42 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 65 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 20 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 60 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 42 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 46 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 22 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 29 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 46 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 37 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 14 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 46 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 59 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 74 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 63 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 64 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 42 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 81 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 43 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 72 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 35 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 60 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 62 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 67 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 18 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 70 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 35 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 77 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 60 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 62 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 26 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 45 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 35 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 49 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 33 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 37 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 43 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 61 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 56 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 26 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 43 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 37 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 27 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 17 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 54 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 66 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 22 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 63 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 53 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 30 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 32 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 56 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 43 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 33 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 38 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 33 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 47 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 32 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 50 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 68 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 38 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 70 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 41 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 49 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 28 elements: only
## the first used
## Warning in (inicio + 1):(fin - 1): numerical expression has 28 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 68 elements: only
## the first used
## Warning in (inicio + 1):(fin - 1): numerical expression has 68 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 8 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 46 elements: only
## the first used## Warning in (inicio + 1):(fin - 1): numerical expression has 35 elements: only
## the first used## [[1]]
## NULL
##
## [[2]]
## NULL
##
## [[3]]
## NULL
##
## [[4]]
## NULL
##
## [[5]]
## NULL
##
## [[6]]
## NULL
##
## [[7]]
## NULL
##
## [[8]]
## NULL
##
## [[9]]
## NULL
##
## [[10]]
## NULL
##
## [[11]]
## NULL
##
## [[12]]
## NULL
##
## [[13]]
## NULL
##
## [[14]]
## NULL
##
## [[15]]
## NULL
##
## [[16]]
## NULL
##
## [[17]]
## NULL
##
## [[18]]
## NULL
##
## [[19]]
## NULL
##
## [[20]]
## NULL
##
## [[21]]
## NULL
##
## [[22]]
## NULL
##
## [[23]]
## NULL
##
## [[24]]
## NULL
##
## [[25]]
## NULL
##
## [[26]]
## NULL
##
## [[27]]
## NULL
##
## [[28]]
## NULL
##
## [[29]]
## NULL
##
## [[30]]
## NULL
##
## [[31]]
## NULL
##
## [[32]]
## NULL
##
## [[33]]
## NULL
##
## [[34]]
## NULL
##
## [[35]]
## NULL
##
## [[36]]
## NULL
##
## [[37]]
## NULL
##
## [[38]]
## NULL
##
## [[39]]
## NULL
##
## [[40]]
## NULL
##
## [[41]]
## NULL
##
## [[42]]
## NULL
##
## [[43]]
## NULL
##
## [[44]]
## NULL
##
## [[45]]
## NULL
##
## [[46]]
## NULL
##
## [[47]]
## NULL
##
## [[48]]
## NULL
##
## [[49]]
## NULL
##
## [[50]]
## NULL
##
## [[51]]
## NULL
##
## [[52]]
## NULL
##
## [[53]]
## NULL
##
## [[54]]
## NULL
##
## [[55]]
## NULL
##
## [[56]]
## NULL
##
## [[57]]
## NULL
##
## [[58]]
## NULL
##
## [[59]]
## NULL
##
## [[60]]
## NULL
##
## [[61]]
## NULL
##
## [[62]]
## NULL
##
## [[63]]
## NULL
##
## [[64]]
## NULL
##
## [[65]]
## NULL
##
## [[66]]
## NULL
##
## [[67]]
## NULL
##
## [[68]]
## NULL
##
## [[69]]
## NULL
##
## [[70]]
## NULL
##
## [[71]]
## NULL
##
## [[72]]
## NULL
##
## [[73]]
## NULL
##
## [[74]]
## NULL
##
## [[75]]
## NULL
##
## [[76]]
## NULL
##
## [[77]]
## NULL
##
## [[78]]
## NULL
##
## [[79]]
## NULL
##
## [[80]]
## NULL
##
## [[81]]
## NULL
##
## [[82]]
## NULL
##
## [[83]]
## NULL
##
## [[84]]
## NULL
##
## [[85]]
## NULL
##
## [[86]]
## NULL
##
## [[87]]
## NULL
##
## [[88]]
## NULL
##
## [[89]]
## NULL
##
## [[90]]
## NULL
##
## [[91]]
## NULL
##
## [[92]]
## NULL
##
## [[93]]
## NULL
##
## [[94]]
## NULL
##
## [[95]]
## NULL
##
## [[96]]
## NULL
##
## [[97]]
## NULL
##
## [[98]]
## NULL
##
## [[99]]
## NULL
##
## [[100]]
## NULL
##
## [[101]]
## NULL
##
## [[102]]
## NULL
##
## [[103]]
## NULL
##
## [[104]]
## NULL
##
## [[105]]
## NULL
##
## [[106]]
## NULL
##
## [[107]]
## NULL
##
## [[108]]
## NULL
##
## [[109]]
## NULL
##
## [[110]]
## NULL
##
## [[111]]
## NULL
##
## [[112]]
## NULL
##
## [[113]]
## NULL
##
## [[114]]
## NULL
##
## [[115]]
## NULL
##
## [[116]]
## NULL
##
## [[117]]
## NULL
##
## [[118]]
## NULL
##
## [[119]]
## NULL
##
## [[120]]
## NULL
##
## [[121]]
## NULL
##
## [[122]]
## NULL
##
## [[123]]
## NULL
##
## [[124]]
## NULL
##
## [[125]]
## NULL
##
## [[126]]
## NULL
##
## [[127]]
## NULL
##
## [[128]]
## NULL
##
## [[129]]
## NULL
##
## [[130]]
## NULL
##
## [[131]]
## NULL
##
## [[132]]
## NULL
##
## [[133]]
## NULL
##
## [[134]]
## NULL
##
## [[135]]
## NULL
##
## [[136]]
## NULL
##
## [[137]]
## NULL
##
## [[138]]
## NULL
##
## [[139]]
## NULL
##
## [[140]]
## NULL
##
## [[141]]
## NULL
##
## [[142]]
## NULL
##
## [[143]]
## NULL
##
## [[144]]
## NULLHacer que todos los archivos sean un solo .txt
# Ruta donde se almacenará el archivo combinado
archivo_combinado <- "archivo_combinado.txt"
# Función para combinar contenido de archivos
combinar_archivos <- function(archivos, archivo_salida) {
# Inicializar un vector para almacenar el contenido combinado
contenido_combinado <- character(0)
# Iterar sobre los archivos y combinar su contenido
for (archivo in archivos) {
contenido <- readLines(archivo, warn = FALSE)
contenido_combinado <- c(contenido_combinado, contenido)
}
# Escribir el contenido combinado en el archivo de salida
writeLines(contenido_combinado, con = archivo_salida)
}
# Llamar a la función para combinar los archivos
combinar_archivos(archivos, archivo_combinado)
# Mensaje de confirmación
cat("Los archivos se han combinado en", archivo_combinado, "\n")## Los archivos se han combinado en archivo_combinado.txtLimpieza de archivos
# Ruta donde se almacenará el archivo combinado
archivo_combinado <- "archivo_combinado.txt"
# Función para combinar archivos y eliminar líneas con "(INICIA VIDEO)" y "(FINALIZA VIDEO)"
combinar_archivos <- function(archivos, archivo_salida) {
# Inicializar un vector para almacenar el contenido combinado
contenido_combinado <- character(0)
# Iterar sobre los archivos y combinar su contenido
for (archivo in archivos) {
contenido <- readLines(archivo, warn = FALSE)
# Eliminar líneas que contienen "(INICIA VIDEO)" y "(FINALIZA VIDEO)"
contenido_limpio <- contenido[!grepl("\\(INICIA VIDEO\\)|\\(FINALIZA VIDEO\\)", contenido)]
contenido_combinado <- c(contenido_combinado, contenido_limpio)
}
# Escribir el contenido combinado en el archivo de salida
writeLines(contenido_combinado, con = archivo_salida)
}
# Llamar a la función para combinar los archivos
combinar_archivos(archivos, archivo_combinado)
# Mensaje de confirmación
cat("Los archivos se han combinado y las líneas con (INICIA VIDEO) y (FINALIZA VIDEO) se han eliminado en", archivo_combinado, "\n")## Los archivos se han combinado y las líneas con (INICIA VIDEO) y (FINALIZA VIDEO) se han eliminado en archivo_combinado.txtLimpieza de texto: minúsculas y eliminar signos de puntuación
# Ruta donde se almacenará el archivo combinado
archivo_combinado <- "archivo_combinado.txt"
# Función para combinar archivos, eliminar líneas con "(INICIA VIDEO)" y "(FINALIZA VIDEO)",
# y realizar la transformación a minúsculas y eliminación de signos de puntuación
combinar_archivos <- function(archivos, archivo_salida) {
# Inicializar un vector para almacenar el contenido combinado
contenido_combinado <- character(0)
# Definir patrón de signos de puntuación a eliminar
patron_puntuacion <- "[[:punct:]]+"
# Iterar sobre los archivos y combinar su contenido
for (archivo in archivos) {
contenido <- readLines(archivo, warn = FALSE)
# Eliminar líneas que contienen "(INICIA VIDEO)" y "(FINALIZA VIDEO)"
contenido_limpio <- contenido[!grepl("\\(INICIA VIDEO\\)|\\(FINALIZA VIDEO\\)", contenido)]
# Transformar a minúsculas y eliminar signos de puntuación
contenido_limpio <- tolower(contenido_limpio)
contenido_limpio <- gsub(patron_puntuacion, "", contenido_limpio)
contenido_combinado <- c(contenido_combinado, contenido_limpio)
}
# Escribir el contenido combinado en el archivo de salida
writeLines(contenido_combinado, con = archivo_salida)
}
# Llamar a la función para combinar los archivos
combinar_archivos(archivos, archivo_combinado)
# Mensaje de confirmación
cat("Los archivos se han combinado, las líneas con (INICIA VIDEO) y (FINALIZA VIDEO) se han eliminado,",
"y se ha realizado la transformación a minúsculas y eliminación de signos de puntuación en", archivo_combinado, "\n")## Los archivos se han combinado, las líneas con (INICIA VIDEO) y (FINALIZA VIDEO) se han eliminado, y se ha realizado la transformación a minúsculas y eliminación de signos de puntuación en archivo_combinado.txtEliminar superlativos y preoposiciones
# Ruta al archivo .txt que deseas procesar
ruta_archivo <- "archivo_combinado.txt"
# Leer el contenido del archivo
texto <- tolower(readLines(ruta_archivo, warn = FALSE, encoding = "UTF-8"))
# Lista de superlativos en español (puedes personalizarla según tus necesidades)
superlativos <- c("mejor", "peor", "mayor", "menor", "más", "menos", "tanto", "tan", "al", "las", "el", "o", "y", "que" )
# Lista de preposiciones en español (puedes personalizarla según tus necesidades)
preposiciones <- c("a", "ante", "bajo", "con", "de", "desde", "en", "entre", "hacia", "hasta", "para", "por", "sin", "sobre", "tras")
# Función para eliminar superlativos, saltos de línea y preposiciones
limpiar_texto <- function(texto, superlativos, preposiciones) {
# Eliminar saltos de línea
texto_limpio <- gsub("\\n", " ", texto)
# Tokenizar el texto
palabras <- unlist(strsplit(texto_limpio, " "))
# Eliminar superlativos y preposiciones
palabras_filtradas <- palabras[!(palabras %in% superlativos | palabras %in% preposiciones)]
# Reconstruir el texto limpio
texto_final <- paste(palabras_filtradas, collapse = " ")
return(texto_final)
}
# Llamar a la función para limpiar el texto
texto_limpiado <- limpiar_texto(texto, superlativos, preposiciones)
# Guardar el texto limpiado en un nuevo archivo
writeLines(texto_limpiado, con = "texto_limpiado.txt", useBytes = TRUE)
# Mensaje de confirmación
cat("El texto ha sido limpiado y se ha guardado en texto_limpiado.txt\n")## El texto ha sido limpiado y se ha guardado en texto_limpiado.txt# Cargar la biblioteca tm
library(tm)## Loading required package: NLP# Ruta al archivo .txt que deseas procesar
ruta_archivo <- "texto_limpiado.txt"
# Leer el contenido del archivo
texto2 <- tolower(readLines(ruta_archivo, warn = FALSE, encoding = "UTF-8"))
# Crear un corpus a partir del texto
corpus <- Corpus(VectorSource(texto2))
# Definir una lista de stopwords en español
stopwords_es <- stopwords("es")
# Eliminar las stopwords del corpus
corpus_sin_stopwords <- tm_map(corpus, content_transformer(tolower))## Warning in tm_map.SimpleCorpus(corpus, content_transformer(tolower)):
## transformation drops documentscorpus_sin_stopwords <- tm_map(corpus_sin_stopwords, removePunctuation)## Warning in tm_map.SimpleCorpus(corpus_sin_stopwords, removePunctuation):
## transformation drops documentscorpus_sin_stopwords <- tm_map(corpus_sin_stopwords, removeWords, stopwords_es)## Warning in tm_map.SimpleCorpus(corpus_sin_stopwords, removeWords,
## stopwords_es): transformation drops documents# Obtener el texto limpio
texto_limpiado <- unlist(sapply(corpus_sin_stopwords, as.character))
# Guardar el texto limpiado en un nuevo archivo
writeLines(texto_limpiado, con = "texto_limpiado.txt", useBytes = TRUE)
# Mensaje de confirmación
cat("El texto ha sido limpiado de stopwords y se ha guardado en texto_limpiado.txt\n")## El texto ha sido limpiado de stopwords y se ha guardado en texto_limpiado.txtRepetir el ánalisis
#Nuevo DTM
dtm <- DocumentTermMatrix(corpus)
#Ver la matriz
inspect(dtm)## <<DocumentTermMatrix (documents: 1, terms: 49381)>>
## Non-/sparse entries: 49381/0
## Sparsity : 0%
## Maximal term length: 738
## Weighting : term frequency (tf)
## Sample :
## Terms
## Docs como del hay lópez los pero porque presidente también una
## 1 8361 18688 7328 7004 27956 9794 9555 12586 7562 13141#Sumar las columnas para obtener el conteo total de cada término
conteo_total <- colSums(as.matrix(dtm))
#Ordenar y mostrar los términos más comunes
terminos_comunes <- sort(conteo_total, decreasing = TRUE)
head(terminos_comunes, 100) #Mostrar los 50 términos más comunes## los del una presidente pero porque
## 27956 18688 13141 12586 9794 9555
## como también hay lópez está eso
## 8361 7562 7328 7004 6892 6819
## este manuel andrés mil entonces muy
## 6734 6643 6570 5935 5801 5689
## sí todo son méxico vamos esto
## 5574 5201 5076 5062 4892 4637
## qué nos esta obrador tiene pues
## 4536 4400 4388 4338 4323 4132
## aquí todos están fue ver bueno
## 4094 3989 3968 3464 3443 3407
## les ahí gobierno tenemos estamos ahora
## 3348 3321 3315 3248 3230 3058
## dos cuando estados estado nada millones
## 3021 2992 2937 2922 2919 2918
## ese cómo era mucho estos pesos
## 2905 2624 2595 2587 2581 2558
## han nosotros caso así tienen donde
## 2524 2515 2513 2507 2423 2376
## ciento pueblo esa país sea gente
## 2327 2319 2289 2284 2281 2266
## nacional señor sus van ellos unidos
## 2225 2202 2202 2183 2179 2157
## ser usted hacer tres años año
## 2124 2074 2073 2009 1991 1941
## días bien había hace seguridad poder
## 1906 1868 1866 1823 1812 1792
## parte puede importante tema decir hoy
## 1760 1699 1650 1647 1598 1590
## mismo además tren manera tiempo información
## 1582 1573 1570 1563 1554 1537
## pregunta estas personas él
## 1530 1514 1510 1487#Instalar y cargar el paquete worldCloud
#install.packages("worldcloud")
library(wordcloud) #Nube de palabras como la de menti## Loading required package: RColorBrewer#Crear la nube de palabras
wordcloud (names(terminos_comunes), terminos_comunes, min.freq = 1, max.words = 100, random.order = FALSE)
palabras_eliminar <- c("null", "presidente", "lópez", "andrés", "manuel", "gtagset", "function", "var", "pagetype", "interlocutor", "obrador", "entonces", "pues", "...", "aquí", "ahí", "else","lang", "gagobtrackerset", "subgroup", "pagesgroup", "—", "estenográfica", "‘", "—", "…", "organizationname", "interlocutora", "cómo")
corpus <- tm_map(corpus, removeWords, palabras_eliminar)## Warning in tm_map.SimpleCorpus(corpus, removeWords, palabras_eliminar):
## transformation drops documentsdtm <- DocumentTermMatrix(corpus)
inspect(dtm)## <<DocumentTermMatrix (documents: 1, terms: 47791)>>
## Non-/sparse entries: 47791/0
## Sparsity : 0%
## Maximal term length: 738
## Weighting : term frequency (tf)
## Sample :
## Terms
## Docs como está este esto méxico pero porque también todo vamos
## 1 8331 6860 6715 4619 5060 9768 9540 7532 5195 4879conteo_total <- colSums(as.matrix(dtm))
terminos_comunes <- sort(conteo_total, decreasing = TRUE)
head(terminos_comunes, 100)## pero porque como también está este
## 9768 9540 8331 7532 6860 6715
## todo méxico vamos esto esta tiene
## 5195 5060 4879 4619 4383 4305
## todos están bueno gobierno tenemos estamos
## 3978 3967 3397 3304 3234 3228
## ahora cuando estados millones nada estado
## 3037 2985 2935 2917 2916 2914
## mucho estos pesos nosotros caso tienen
## 2586 2577 2553 2512 2502 2421
## donde ciento pueblo país gente nacional
## 2367 2321 2318 2277 2264 2209
## señor ellos unidos hacer usted tres
## 2201 2174 2154 2072 2067 2001
## años días bien había hace seguridad
## 1978 1904 1867 1861 1820 1811
## poder parte puede importante tema pregunta
## 1792 1743 1696 1645 1644 1640
## decir mismo además manera tren tiempo
## 1593 1578 1567 1557 1557 1553
## información estas personas contra general todas
## 1525 1512 1507 1481 1476 1440
## antes luego gracias tener estar hemos
## 1430 1402 1397 1393 1387 1385
## otro sólo otros haciendo ciudad nuestro
## 1378 1358 1337 1304 1263 1253
## salud trabajo secretaría buenos garcía maya
## 1229 1205 1198 1176 1174 1162
## cuatro dinero medios estaba siempre ejemplo
## 1160 1158 1158 1151 1151 1141
## creo pública ayer toda otra muchas
## 1122 1119 1108 1104 1103 1099
## social fueron ustedes muchos
## 1095 1056 1037 1015wordcloud(names(terminos_comunes), terminos_comunes, min.freq = 1, max.words = 100, random.order = FALSE)
#Análisis La segunda palabra más mencionada es “México”, lo cual tiene mucho sentido, ya que el presidente debe expresarse sobre temas del país que rige. Relacionado con esto, la siguiente palabra más mencionada es “Gobierno”. Una palabra interesante que se ha utilizado 702 veces en la mañanera es la palabra “bueno”, si bien no parece tener gran importancia por sí sola, al ver que otra de las palabras más usadas es “pueblo” se puede entender que muchas veces se usan estas dos palabras juntas, “pueblo bueno”, la cual es una frase con un fin populista que el presidente ha usado desde el inicio de su candidatura a la presidencia. Claramente la palabra “bueno” es mucho más utilizada que “pueblo”, esto se debe a que “bueno” puede ser usado en muchas ocasiones, incluso como muletilla. Sin embargo, cabe mencionar que no necesariamente todas las veces que se dijó la palabra “pueblo” en las mañaneras, fue para decir “pueblo bueno”.
Dentro de las palabras más utilizadas se puede inferir cuales con los temas públicos más dialogados en las mañaneras, por ejemplo las palabras “seguridad”, “salud” y “agua”, siendo seguridad la más mencionada de las 3. La importancia hacia el tema de seguridad en las mañaneras puede deberse a la propuesta política de Andrés Manuel por incorporar la Guardia Nacional a la Secretaria de la Defensa Nacional, siendo una propuesta basada en la Seguridad.
Por último, un par de palabras a destacar dentro de las 100 más utilizadas son “tren” y “maya”. La relación entre ambas palabras es muy lógica, ya que es el proyecto tren maya, el cual es uno de los proyectos de infraestructura más grandes del sexenio de Andrés Manuel López Obrador.